Python -如何删除汉字之间的空格，同时保留字符和数字之间的空格？

Question

真正的问题可能更复杂，但就目前而言，我正在尝试做一些简单一些的事情。我试图移除两个汉字/日语字符之间的空格，但同时保持一个数字和一个字符之间的空格。下面是一个例子：

text = "今天特别 热，但是我买了 3 个西瓜。"

我想得到的输出是

text = "今天特别热，但是我买了 3 个西瓜。"

我尝试使用Python脚本和正则表达式：

import re
text = re.sub(r'\s(?=[^A-z0-9])','')

然而，结果是

text = '今天特别热，但是我买了 3个西瓜。'

所以我一直在纠结于如何保持角色和数字之间的空间？我不想使用在"3“和"个”之间添加空格的方法。

我会继续考虑的，但是如果你有这么多的ideas...Thank，请提前告诉我！

Answer 1

我知道你需要移除的空格在字母之间。

使用

re.sub(r'(?<=[^\W\d_])\s+(?=[^\W\d_])', '', text)

详细信息

• (?<=[^\W\d_]) -在当前位置的左侧需要一个Unicode字母的正向查找
• \s+ - 1+空白空间(如果只需要一个，则移除+ )
• (?=[^\W\d_]) --这是一种积极的展望，它要求立即在当前位置的右侧使用Unicode字母。

您不需要re.U标志，因为它在Python3中是默认的，但是在Python2中需要它。

您还可以使用捕获组：

re.sub(r'([^\W\d_])\s+([^\W\d_])', r'\1\2', text)

在这里，不消费的旁观者被转化为消费捕获组((...))。替换模式中的\1和\2是对捕获组值的反向引用。

见Python 3在线演示

import re
text = "今天特别 热，但是我买了 3 个西瓜。"
print(re.sub(r'(?<=[^\W\d_])\s+(?=[^\W\d_])', '', text))
// => 今天特别热，但是我买了 3 个西瓜。