如何在Python中使用正则表达式匹配空格

正则表达式和’re’模块是Python中非常有用的文本和数据处理工具。它们使你能够指定你想要匹配、替换或提取的字符模式。正则表达式最常用的应用之一是查找和删除空白字符，如空格、制表符和换行符。

发现空白字符通常不太显眼或难以注意到，然而它们会影响到代码的格式、可读性和功能。例如，如果你想要将字符串分割成单词，你需要知道空格的位置。同样，如果你想要将文本对齐成列，你需要知道有多少制表符被使用。在同样的线上，如果你想要从一个文件中读取数据，你需要知道行是如何分隔的。

在这篇详细的文章中，我们将向您展示如何使用正则表达式匹配Python中的空白字符。我们将使用’re’模块；它提供了各种函数和方法来处理正则表达式。我们还将讨论和解释一些示例代码，演示如何使用正则表达式来执行涉及空白字符的不同任务。

在字符串中查找空白字符

在字符串中匹配空白字符的最简单方法是使用特殊字符类∖s，它匹配任何单个的空白字符。你还可以使用re.findall函数返回字符串中所有匹配项的列表，或者使用re.finditer函数返回匹配对象的迭代器。

示例

假设我们有以下字符串：

s = "Hello world!∖nThis is a∖ttest."

我们可以使用以下代码在s中找到所有的空白字符：

import re
matches = re.findall("∖s", s)
print(matches)

输出

[' ', '∖n', ' ', ' ', '∖t', ' ']

如您所见，列表包含一个空格、一个换行符、两个空格、一个制表符和一个空格。∖s匹配的默认字符集包括：

空格
制表符 (∖t)
换行符 (∖n)
回车符 (∖r)
换页符 (∖f)
垂直制表符 (∖v)

如果您只想匹配其中的一些字符，可以使用自定义字符类和括号。例如，[∖t∖n]只匹配制表符和换行符。

或者，您可以使用re.finditer函数获取有关每个匹配项的更多信息，例如它的位置和跨度。例如：

示例

import re
matches = re.finditer("∖s", s)
for match in matches:
    print(match)

输出

<re.Match object; span=(5, 6), match=' '>
<re.Match object; span=(12, 13), match='∖n'>
<re.Match object; span=(18, 19), match=' '>
<re.Match object; span=(20, 21), match=' '>
<re.Match object; span=(24, 25), match='∖t'>
<re.Match object; span=(29, 30), match=' '>

替换字符串中的空白字符

正则表达式的另一个常见用途是将字符串中的空白字符替换为其他字符。您可以使用re.sub函数执行此任务。re.sub函数需要三个参数：匹配的模式、替换的字符串和输入的字符串。它返回一个替换后的新字符串。

例如，假设我们想要将s中的所有空白字符替换为下划线(_)。我们可以使用以下代码：

示例

import re
new_s = re.sub("∖s", "_", s)
print(new_s)

输出

Hello_world!_This_is_a_test._

请注意，句号也被下划线替换，因为它被∖s匹配到。如果我们想保留句号，可以使用排除句号的自定义字符类。例如：

示例

import re
new_s = re.sub("[∖s&&[^∖.]]", "_", s)
print(new_s)

输出

Hello_world!_This_is_a_test.

语法 [∖s&&[^∖.]] 的意思是“匹配在∖s中但不在[∖.]中的任何字符”。[∖.] 表示“匹配一个文字句号”。反斜杠（∖）被用来转义句号，因为在正则表达式中它具有特殊意义。

通过空白字符分割字符串

‘re’ 模块提供的另一个有用函数是 re.split，它通过给定的模式分割一个字符串，并返回一个子字符串列表。

例如，假设我们想要按照空白字符分割 s，并得到一个单词列表。我们可以使用以下代码：

示例

import re
words = re.split("∖s", s)
print(words)

输出

['Hello', 'world!', 'This', 'is', 'a', 'test.']

请注意，句点也被视为一个单词，因为它与∖s匹配。如果我们想要排除它，我们可以使用一个自定义字符类，该类只匹配字母数字字符和下划线。例如：

示例

import re
words = re.split("[^∖w]", s)
print(words)

输出结果

['Hello', 'world', '', 'This', 'is', 'a', 'test', '']

语法[^∖w]表示“匹配任何不在∖w中的字符”。∖w表示“匹配任何字母数字字符或下划线”。方括号内的插入符(^)表示“否定字符类”。

从字符串中删除前导和尾随的空白字符

通常，您可能希望删除出现在字符串开头或结尾的空白字符，而不是中间的空白字符。这对于清理用户输入或来自文件的数据非常有用。您可以利用re.sub函数和特殊锚点^和 $来执行此任务。^表示“匹配字符串的开头”，$ 表示“匹配字符串的结尾”。

示例

假设我们有以下字符串：

s = "   Hello world!   "

我们可以使用以下代码从s中删除前导和尾随的空格字符：

import re
new_s = re.sub("^∖s+|∖s+$", "", s)
print(new_s)

输出

Hello world!

^∖s+|∖s+$ 的模式表示“匹配字符串开头或结尾的一个或多个空格字符”。竖线（|）表示“或”。

将多个连续的空格字符视为一个来匹配

在某些情况下，您可能希望将多个连续的空格字符视为一个，并忽略它们或用一个字符替换它们。例如，您可能需要在文本中规范单词之间的间距或从文件中删除额外的空格。在这种情况下，您可以使用带有特殊量词+的re.sub函数来执行此任务。+表示“匹配前一个字符的一个或多个实例”。

示例

假设我们有以下字符串：

s = "Hello    world!∖nThis  is  a∖t∖ttest."

我们可以使用以下代码将s中的多个空格字符替换为单个空格：

import re
new_s = re.sub("∖s+", " ", s)
print(new_s)

输出

Hello world! This is a test.

模式∖s+表示“匹配一个或多个空白字符”。替换字符串是一个空格。

在本文中，我们已经学习了如何使用正则表达式在Python中匹配空白字符。我们还看到了如何使用’re’模块及其函数，例如re.findall，re.finditer，re.sub和re.split，执行涉及空白字符的各种任务。我们还学习了如何使用特殊字符类，如∖s和∖w，以及特殊符号，如^， $ ，|和+，来创建复杂的模式。

正则表达式，正如我们现在已经意识到的那样，对于处理文本和数据非常有用，但它们也可能非常具有欺骗性和困惑性。重要的是仔细评估、检查和测试您的正则表达式，并确保它们与您的期望相匹配。