Question

Python正则表达式

Python正则表达式str=" 你好 啊hello hi "
想要的效果是过滤中文字符之间的多个空格
"你好啊hello hi"

Answer 1

>>> import re
>>> s=" 你好 啊hello hi 
>>> s1=re.findall(r'[\u4e00-\u9fa5]\s[\u4e00-\u9fa5]',s)
>>> s2=re.sub(r'\s','',s1[0])
>>> s11=re.split(s1[0],s)
>>> s11.insert(1,s2)
>>> s3=''.join(s11)
>>> s3
' 你好啊hello hi '

两端的空格还没有删除，你可以在s11这个阶段删除空格

追问

你好，你的代码不通用呀，我需要的是过滤语料中，中文字符之间的所有空格

追答

你自己在试试，代码是通的，我才敲的！

中文中间的空格不是去除了吗？不会你的意思是只保留空格吧？那我就呵呵了
如果是一整片文章，这种处理方式当然不合适了！但原理相似，只不过是批量处理了！
自己发挥吧，只能帮你这么多

Answer 2

# encoding: UTF-8 
import re 
import sys
reload(sys)
sys.setdefaultencoding('utf-8')

source = "     你   好   啊       hello hi     "  
usample=unicode(source,'utf8')
xx=u"((?<=[\u4e00-\u9fa5])\s+(?=[\u4e00-\u9fa5])|^\s+|\s+$)"  
temp = re.sub(xx, '', usample);
print temp;

追问

你好，你的代码结果是"你好啊 hello hi"，而且我的是Python 3，满意给满分，谢谢

追答

你要的不是汉字之间的空格都去除么？

你没有说是汉字和字母之间的空格都去除啊！！！

按照你的说法，就是这样的啊"你好啊     hello hi"

python3的就更简单了

# encoding: UTF-8 
import re 
 
source = "     你   好   啊       hello hi     "  
xx=u"((?<=[\u4e00-\u9fa5])\s+|\s+(?=[\u4e00-\u9fa5])|^\s+|\s+$)"  
temp = re.sub(xx, '', source);
print (temp);

这回跟你的结果一样了，满意采纳吧

追问

你好，汉子和英文之间保留一个空格