web-dev-qa-db-ja.com

文字列内の複数のスペースを削除する簡単な方法は？

これが文字列だとします。

The   fox jumped   over    the log.

結果は次のようになります。

The fox jumped over the log.

これを行うことができる最も簡単な1-2ライナーは何ですか？分割してリストに入れることなく...

pythonregexstring
298
TIMEX
>>> import re
>>> re.sub(' +', ' ', 'The     quick brown    fox')
'The quick brown fox'
398
Josh Lee

fooはあなたの文字列です：

" ".join(foo.split())

これは "すべての空白文字（スペース、タブ、改行、リターン、フォームフィード）"を削除しますが警告されます。 （おかげで hhsaffar 、コメントを参照）すなわち"this is \t a test\n"は事実上"this is a test"になります

451
Taylor Leese
import re
s = "The   fox jumped   over    the log."
re.sub("\s\s+" , " ", s)

または

re.sub("\s\s+", " ", s)

コメントのmooseで言及されているように、カンマの前のスペースはPEP8ではpet peeveとしてリストされているため.

77
Nasir

「\ s」で正規表現を使用し、単純なstring.split（）を実行すると、also改行、キャリッジリターン、タブなどの他の空白も削除されます。これが必要でない限り、onlyに複数のスペースを行うために、これらの例を示します。

EDIT：やりたくないので、これで寝て、最後の結果のタイプミスを修正することに加えて（v3.3.3 @ 64ビット、not32ビット）、明らかなヒット：テスト文字列はかなり些細なものでした。

そこで、より現実的な時間テストを得るために ... 11段落、1000ワード、6665バイトのLorem Ipsum を得ました。次に、全体にランダムな長さの余分なスペースを追加しました。

original_string = ''.join(Word + (' ' * random.randint(1, 10)) for Word in lorem_ipsum.split(' '))

「proper join」も修正しました。気にするなら、ワンライナーは基本的に先頭/末尾のスペースを削除します。この修正版は先頭/末尾のスペースを保持します（ただしONE;-) 。 （これは、ランダムに配置されたlorem_ipsumが最後に余分なスペースを取得し、assertに失敗したために見つかりました。）

# setup = '''

import re

def while_replace(string):
    while '  ' in string:
        string = string.replace('  ', ' ')

    return string

def re_replace(string):
    return re.sub(r' {2,}' , ' ', string)

def proper_join(string):
    split_string = string.split(' ')

    # To account for leading/trailing spaces that would simply be removed
    beg = ' ' if not split_string[ 0] else ''
    end = ' ' if not split_string[-1] else ''

    # versus simply ' '.join(item for item in string.split(' ') if item)
    return beg + ' '.join(item for item in split_string if item) + end

original_string = """Lorem    ipsum        ... no, really, it kept going...          malesuada enim feugiat.         Integer imperdiet    erat."""

assert while_replace(original_string) == re_replace(original_string) == proper_join(original_string)

#'''

# while_replace_test
new_string = original_string[:]

new_string = while_replace(new_string)

assert new_string != original_string

# re_replace_test
new_string = original_string[:]

new_string = re_replace(new_string)

assert new_string != original_string

# proper_join_test
new_string = original_string[:]

new_string = proper_join(new_string)

assert new_string != original_string

注： 「whileバージョン」はoriginal_stringのコピーを作成しました。最初の実行で変更されると、連続した実行が（少しだけ）高速になると思います。これにより時間が追加されるので、この文字列のコピーを他の2つに追加して、ロジックの違いだけが時間に表示されるようにしました。 stmtインスタンスのメインtimeitは一度だけ実行されることに注意してください ;私がこれを行った元の方法では、whileループは同じラベルoriginal_stringで機能したため、2回目の実行では、何もすることはありませんでした。現在設定されている方法、2つの異なるラベルを使用した関数の呼び出し、これは問題ではありません。すべてのワーカーにassertステートメントを追加して、繰り返しごとに何かを変更することを確認しました（疑わしい人のために）。たとえば、これに変更すると壊れます：

# while_replace_test
new_string = original_string[:]

new_string = while_replace(new_string)

assert new_string != original_string # will break the 2nd iteration

while '  ' in original_string:
    original_string = original_string.replace('  ', ' ')

Tests run on a laptop with an i5 processor running Windows 7 (64-bit).

timeit.Timer(stmt = test, setup = setup).repeat(7, 1000)

test_string = 'The   fox jumped   over\n\t    the log.' # trivial

Python 2.7.3, 32-bit, Windows
                test |      minum |    maximum |    average |     median
---------------------+------------+------------+------------+-----------
  while_replace_test |   0.001066 |   0.001260 |   0.001128 |   0.001092
     re_replace_test |   0.003074 |   0.003941 |   0.003357 |   0.003349
    proper_join_test |   0.002783 |   0.004829 |   0.003554 |   0.003035

Python 2.7.3, 64-bit, Windows
                test |      minum |    maximum |    average |     median
---------------------+------------+------------+------------+-----------
  while_replace_test |   0.001025 |   0.001079 |   0.001052 |   0.001051
     re_replace_test |   0.003213 |   0.004512 |   0.003656 |   0.003504
    proper_join_test |   0.002760 |   0.006361 |   0.004626 |   0.004600

Python 3.2.3, 32-bit, Windows
                test |      minum |    maximum |    average |     median
---------------------+------------+------------+------------+-----------
  while_replace_test |   0.001350 |   0.002302 |   0.001639 |   0.001357
     re_replace_test |   0.006797 |   0.008107 |   0.007319 |   0.007440
    proper_join_test |   0.002863 |   0.003356 |   0.003026 |   0.002975

Python 3.3.3, 64-bit, Windows
                test |      minum |    maximum |    average |     median
---------------------+------------+------------+------------+-----------
  while_replace_test |   0.001444 |   0.001490 |   0.001460 |   0.001459
     re_replace_test |   0.011771 |   0.012598 |   0.012082 |   0.011910
    proper_join_test |   0.003741 |   0.005933 |   0.004341 |   0.004009

test_string = lorem_ipsum
# Thanks to http://www.lipsum.com/
# "Generated 11 paragraphs, 1000 words, 6665 bytes of Lorem Ipsum"

Python 2.7.3, 32-bit
                test |      minum |    maximum |    average |     median
---------------------+------------+------------+------------+-----------
  while_replace_test |   0.342602 |   0.387803 |   0.359319 |   0.356284
     re_replace_test |   0.337571 |   0.359821 |   0.348876 |   0.348006
    proper_join_test |   0.381654 |   0.395349 |   0.388304 |   0.388193    

Python 2.7.3, 64-bit
                test |      minum |    maximum |    average |     median
---------------------+------------+------------+------------+-----------
  while_replace_test |   0.227471 |   0.268340 |   0.240884 |   0.236776
     re_replace_test |   0.301516 |   0.325730 |   0.308626 |   0.307852
    proper_join_test |   0.358766 |   0.383736 |   0.370958 |   0.371866    

Python 3.2.3, 32-bit
                test |      minum |    maximum |    average |     median
---------------------+------------+------------+------------+-----------
  while_replace_test |   0.438480 |   0.463380 |   0.447953 |   0.446646
     re_replace_test |   0.463729 |   0.490947 |   0.472496 |   0.468778
    proper_join_test |   0.397022 |   0.427817 |   0.406612 |   0.402053    

Python 3.3.3, 64-bit
                test |      minum |    maximum |    average |     median
---------------------+------------+------------+------------+-----------
  while_replace_test |   0.284495 |   0.294025 |   0.288735 |   0.289153
     re_replace_test |   0.501351 |   0.525673 |   0.511347 |   0.508467
    proper_join_test |   0.422011 |   0.448736 |   0.436196 |   0.440318

些細な文字列の場合、while-loopが最速であり、Pythonの文字列分割/結合、および正規表現が後を引きます。

非自明な文字列については、もう少し検討する必要があるようです。 32ビット2.7？それは救助への正規表現です！ 2.7 64ビット？ whileループは、まともなマージンで最適です。 32ビット3.2、「適切な」joinを使用します。 64ビット3.3、whileループに進みます。再び。

最終的に、パフォーマンスを向上させることができますif/where/when required、しかし、それは常に最善です マントラを覚えておいてください ：

  1. 動作させる
  2. 正しくする
  3. 高速化

IANAL、YMMV、Caveat Emptor！

48
pythonlarry

上記のPaul McGuireのコメントに同意する必要があります。私に、

' '.join(the_string.split())

正規表現を書き出すよりもはるかに好ましいです。

私の測定値（Linux、Python 2.5）は、分割再結合が "re.sub（...）"を実行するよりもほぼ5倍高速であることを示しています。複数回。そしてそれはどんな意味でも理解しやすい - もっともっとPythonicです。

36
Kevin Little

前のソリューションと似ていますが、より具体的には、2つ以上のスペースを1つに置き換えます。

>>> import re
>>> s = "The   fox jumped   over    the log."
>>> re.sub('\s{2,}', ' ', s)
'The fox jumped over the log.'
12
Peter

シンプルな魂

>>> import re
>>> s="The   fox jumped   over    the log."
>>> print re.sub('\s+',' ', s)
The fox jumped over the log.
10
HMS

Pandas DataFrameで.apply（..）を使用せずに文字列分割手法を使用することもできます。これは、多数の文字列に対して操作をすばやく実行する必要がある場合に便利です。これは一行です。

df['message'] = (df['message'].str.split()).str.join(' ')
5
devinbost
import re
string =  re.sub('[ \t\n]+', ' ', 'The     quick brown                \n\n             \t        fox')

これにより、すべてのタブ、改行、および単一の空白を含む複数の空白が削除されます。

3
Rakesh Kumar

場合によっては、すべての空白文字の連続した出現箇所をその文字の単一のインスタンスで置き換えることが望ましい場合があります。そのためには、後方参照付きの正規表現を使用します。

(\s)\1{1,}は任意の空白文字と一致し、その後にその文字が1回以上出現します。さて、あなたがする必要があるのは、マッチの代わりとして最初のグループ（\1）を指定することだけです。

これを関数にラップする：

import re

def normalize_whitespace(string):
    return re.sub(r'(\s)\1{1,}', r'\1', string)

>>> normalize_whitespace('The   fox jumped   over    the log.')
'The fox jumped over the log.'
>>> normalize_whitespace('First    line\t\t\t \n\n\nSecond    line')
'First line\t \nSecond line'
2
vaultah
i have tried the following method and it even works with the extreme case 
like str1='          i   live    on    earth           '

' '.join(str1.split())

but if you prefer regular expression it can be done as:-

re.sub('\s+',' ',str1)

although some preprocessing has to be done in order to remove the trailing and ending space.
2
ravi tanwar

文の前後、中にある余分なスペースをすべて削除する1行のコード

sentence = "  The   fox jumped   over    the log.  "
sentence = ' '.join(filter(None,sentence.split(' ')))

説明：

  1. 文字列全体をリストに分割します。
  2. リストから空の要素をフィルタリングします。
  3. 残りの要素を単一のスペースで再結合する

*残りの要素は単語や句読点を含む単語などであるべきです。私はこれを徹底的にテストしませんでしたが、これは良い出発点であるはずです。ではごきげんよう！

2
gabchan

その他の選択肢

>>> import re
>>> str = 'this is a            string with    multiple spaces and    tabs'
>>> str = re.sub('[ \t]+' , ' ', str)
>>> print str
this is a string with multiple spaces and tabs
2
Kreshnik
def unPretty(S):
   # given a dictionary, json, list, float, int, or even a string.. 
   # return a string stripped of CR, LF replaced by space, with multiple spaces reduced to one.
   return ' '.join( str(S).replace('\n',' ').replace('\r','').split() )
1
jw51

ユーザーが生成した文字列で最も速く取得できるのは次のとおりです。

if '  ' in text:
    while '  ' in text:
        text = text.replace('  ', ' ')

短絡は pythonlarryの包括的な答え よりもわずかに高速になります。効率を重視し、余分な空白[単一スペースの種類]を除外することを厳密に検討している場合は、これを選択してください。

1
Hassan Baig

これもうまくいくようです。

while "  " in s:
    s=s.replace("  "," ")

変数sはあなたの文字列を表します。

1
Anakimi

私は大学で使用している私の簡単な方法があります。

line = "I     have            a       Nice    day."

end = 1000
while end != 0:
    line.replace("  ", " ")
    end -= 1

これにより、すべてのダブルスペースがシングルスペースに置き換えられ、1000倍になります。それはあなたが2000の余分なスペースを持つことができ、それでも動作することを意味します。 :)

0
Zoran Bajcer

単語の間の先頭、末尾、余分な空白を考慮して空白を削除するには、次のようにします。

（？<=\s）+ | ^ +（？=\s）| （？= + [\ n\0]）

最初または2番目の文字列は先頭の空白文字、最後の文字列は末尾の空白文字を扱います。

使用の証明のためにこのリンクはあなたにテストを提供するでしょう。

https://regex101.com/r/meBYli/4

この正規表現コードを破るような入力を見つけたら教えてください。

また - これはre.split関数で使用されることです

0
CameronE

それが空白であれば、Noneの分割を扱っているので、戻り値に空の文字列は含まれません。

https://docs.python.org/2/library/stdtypes.html#str.split

0
jsnklln

他の例についてはあまり読んでいませんが、連続した複数の空白文字を統合するためのこの方法を作成しました。

ライブラリは使用しません。スクリプトの長さという点では比較的長いですが、複雑な実装ではありません。

def spaceMatcher(command):
    """
    function defined to consolidate multiple whitespace characters in 
    strings to a single space
    """
    #initiate index to flag if more than 1 consecutive character 
    iteration
    space_match = 0
    space_char = ""
    for char in command:
      if char == " ":
          space_match += 1
          space_char += " "
      Elif (char != " ") & (space_match > 1):
          new_command = command.replace(space_char, " ")
          space_match = 0
          space_char = ""
      Elif char != " ":
          space_match = 0
          space_char = ""
   return new_command

command = None
command = str(input("Please enter a command ->"))
print(spaceMatcher(command))
print(list(spaceMatcher(command)))
0
Scott Anderson
string='This is a             string full of spaces          and taps'
string=string.split(' ')
while '' in string:
    string.remove('')
string=' '.join(string)
print(string)

結果：

これはスペースとタップでいっぱいの文字列です。

0
Hassan Abdul-Kareem