Mehrere Leerzeichen durch einfache Leerzeichen in Python ersetzen

Question

Ich habe diesen String:

mystring = 'Here is  some   text   I      wrote   '

Wie kann ich die doppelten und dreifachen (...) Leerzeichen durch ein einfaches Leerzeichen ersetzen, so dass ich folgendes erhalte?

mystring = 'Here is some text I wrote'

Answer 1

Eine einfache Möglichkeit (wenn Sie REs lieber vermeiden möchten) ist

' '.join(mystring.split())

Split und Join führen die Aufgabe aus, nach der Sie explizit gefragt haben - und sie führen auch die zusätzliche Aufgabe aus, von der Sie nicht sprechen, die aber in Ihrem Beispiel zu sehen ist: das Entfernen von Leerzeichen am Ende;-).

Answer 2

Ein regulärer Ausdruck kann verwendet werden, um mehr Kontrolle über die zu kombinierenden Leerzeichen zu haben.

Für die Übereinstimmung mit Unicode-Whitespace:

import re

_RE_COMBINE_WHITESPACE = re.compile(r"\s+")

my_str = _RE_COMBINE_WHITESPACE.sub(" ", my_str).strip()

Um nur ASCII-Whitespace abzugleichen:

import re

_RE_COMBINE_WHITESPACE = re.compile(r"(?a:\s+)")
_RE_STRIP_WHITESPACE = re.compile(r"(?a:^\s+|\s+$)")

my_str = _RE_COMBINE_WHITESPACE.sub(" ", my_str)
my_str = _RE_STRIP_WHITESPACE.sub("", my_str)

Nur ASCII-Whitespace abzugleichen ist manchmal unerlässlich, um Steuerzeichen wie x0b, x0c, x1c, x1d, x1e, x1f zu erhalten.

Referenz:

Über \s :

Für Unicode (str)-Muster: Passt auf Unicode-Whitespace-Zeichen (einschließlich [ \t\n\r\f\v ], aber auch viele andere Zeichen, zum Beispiel das nicht umbrechende Leerzeichen, die in vielen Sprachen durch typografische Regeln vorgeschrieben sind). Wenn das ASCII-Flag verwendet wird, werden nur [ \t\n\r\f\v ] übereinstimmt.

Über re.ASCII :

Machen Sie \w , \W , \b , \B , \d , \D , \s y \S einen reinen ASCII-Abgleich anstelle eines vollständigen Unicode-Abgleichs durchführen. Dies ist nur für Unicode-Muster sinnvoll Mustern sinnvoll und wird bei Byte-Mustern ignoriert. Entspricht dem Inline Flagge (?a).

strip() entfernt alle führenden und nachgestellten Leerzeichen.

Answer 3

Der Vollständigkeit halber können Sie auch verwenden:

mystring = mystring.strip()  # the while loop will leave a trailing space, 
                  # so the trailing whitespace must be dealt with
                  # before or after the while loop
while '  ' in mystring:
    mystring = mystring.replace('  ', ' ')

was bei Zeichenketten mit relativ wenigen Leerzeichen schnell funktioniert (schneller als re in diesen Situationen).

In jedem Szenario, Alex Martellis Split/Join-Lösung mindestens genauso schnell (in der Regel deutlich schneller) abläuft.

In Ihrem Beispiel erhalte ich bei Verwendung der Standardwerte von timeit.Timer.repeat() die folgenden Zeiten:

str.replace: [1.4317800167340238, 1.4174888149192384, 1.4163512401715934]
re.sub:      [3.741931446594549,  3.8389395858970374, 3.973777672860706]
split/join:  [0.6530919432498195, 0.6252146571700905, 0.6346594329726258]

EDITAR:

Ich bin gerade auf diese Stelle die einen recht langen Vergleich der Geschwindigkeiten dieser Methoden enthält.