在Python中使用string.whitespace去除空白字符

Question

Python的string.whitespace非常好用：

>>> string.whitespace
'\t\n\x0b\x0c\r '

我该如何在字符串中使用它，而不需要手动输入'\t|\n|...等等来做正则表达式呢？

举个例子，它应该能把：

"请 \n 不要 \t 伤害 \x0b 我."

变成

"请不要伤害我."

我可能想保留单个空格，不过我想只要用string.whitespace[:-1]就能轻松搞定了。

Answer 1

让我们做一些合理的假设：

(1) 你真的想把连续的空白字符替换成一个空格（连续的意思是长度为1或更长）。

(2) 你希望同样的代码在Python 2.X中也能用，且能处理unicode对象，改动要尽量少。

(3) 你不希望你的代码假设一些文档中没有保证的事情。

(4) 你希望同样的代码在Python 3.X的字符串对象中也能用，改动要尽量少。

目前选中的答案存在以下问题：

(a) 把 " " * 3 变成 " " * 2，也就是说，它去掉了重复的空格，但没有去掉三次、四次等的空格。[不符合要求1]

(b) 把 "foo\tbar\tzot" 变成 "foobarzot" [不符合要求1]

(c) 当输入一个unicode对象时，会出现 TypeError: translate() takes exactly one argument (2 given) 的错误 [不符合要求2]

(d) 使用了 string.whitespace[:-1] [不符合要求3；因为string.whitespace中的字符顺序没有保证]

(e) 使用了 string.whitespace[:-1] [不符合要求4；在Python 2.X中，string.whitespace是 '\t\n\x0b\x0c\r '；而在Python 3.X中，它是 ' \t\n\r\x0b\x0c']

而 " ".join(s.split()) 和 re.sub(r"\s+", " ", s) 这两个答案就没有这些问题。

Answer 2

这个\s字符类有什么问题呢？

>>> import re

>>> pattern = re.compile(r'\s+')
>>> re.sub(pattern, ' ', "Please \n don't \t hurt \x0b me.")
"Please don't hurt me."

Answer 3

其实针对这种情况，有一个特别简单的方法！

如果你在调用 str.split 时不传任何参数，它会根据连续的空白字符来分割字符串，而不是一个一个字符来分割。所以：

>>> ' '.join("Please \n don't \t hurt \x0b me.".split())
"Please don't hurt me."