如何去除字符串中的所有空白字符

Question

我想知道怎么去掉Python字符串中的所有空格。比如，我希望把字符串 strip my spaces 变成 stripmyspaces，但是我发现用 strip() 这个方法做不到：

>>> 'strip my spaces'.strip()
'strip my spaces'

Answer 1

另外，

"strip my spaces".translate( None, string.whitespace )

这是Python3版本：

"strip my spaces".translate(str.maketrans('', '', string.whitespace))

Answer 2

对于Python 3：

>>> import re
>>> re.sub(r'\s+', '', 'strip my \n\t\r ASCII and \u00A0 \u2003 Unicode spaces')
'stripmyASCIIandUnicodespaces'
>>> # Or, depending on the situation:
>>> re.sub(r'(\s|\u180B|\u200B|\u200C|\u200D|\u2060|\uFEFF)+', '', \
... '\uFEFF\t\t\t strip all \u000A kinds of \u200B whitespace \n')
'stripallkindsofwhitespace'

...可以处理你没想到的任何空白字符——相信我们，这种字符有很多。

\s单独使用时总是能匹配ASCII空白字符：

• 普通空格
• 制表符（Tab）
• 换行符（\n）
• 回车符（\r）
• 换页符
• 竖直制表符

另外：

• 对于启用了re.UNICODE的Python 2，
• 对于不需要额外操作的Python 3，

...\s还可以匹配Unicode空白字符，比如：

• 不换行空格，
• 全角空格，
• 汉字空格，

...等等。完整列表可以在这里查看，找到“具有空白属性的Unicode字符”。

但是\s并不包括那些不被归类为空白的字符，尽管它们实际上是空白，比如：

• 零宽连接符，
• 蒙古语元音分隔符，
• 零宽不换行空格（也叫字节顺序标记），

...等等。完整列表可以在这里查看，找到“没有空白属性的相关Unicode字符”。

所以这6个字符在第二个正则表达式中被包含，\u180B|\u200B|\u200C|\u200D|\u2060|\uFEFF。

来源：

• https://docs.python.org/2/library/re.html
• https://docs.python.org/3/library/re.html
• https://en.wikipedia.org/wiki/Unicode_character_property

Answer 3

利用str.split在没有指定分隔符时的特性：

>>> s = " \t foo \n bar "
>>> "".join(s.split())
'foobar'

如果你只是想去掉空格，而不是所有的空白字符：

>>> s.replace(" ", "")
'\tfoo\nbar'

过早的优化

虽然效率不是最主要的目标——写出清晰的代码才是——这里有一些初步的时间测试结果：

$ python -m timeit '"".join(" \t foo \n bar ".split())'
1000000 loops, best of 3: 1.38 usec per loop
$ python -m timeit -s 'import re' 're.sub(r"\s+", "", " \t foo \n bar ")'
100000 loops, best of 3: 15.6 usec per loop

注意正则表达式是被缓存的，所以它并没有你想象中那么慢。提前编译它会有一些帮助，但如果你调用这个方法的次数不多，这点优化就没什么意义了：

$ python -m timeit -s 'import re; e = re.compile(r"\s+")' 'e.sub("", " \t foo \n bar ")'
100000 loops, best of 3: 7.76 usec per loop

虽然re.sub慢了11.3倍，但要记住，性能瓶颈肯定在其他地方。大多数程序在这三种选择之间不会察觉到什么区别。