Php 正则表达式是否删除所有双空格，除了\n？预更换

我已经使用Python脚本导入了一个纯文本版本的PDF，但是它有一堆我不关心的垃圾工件

我唯一关心的空白是（1）单个空格，以及（2）双\n的空格

单词边界之间的单个空格，原因显而易见双\n，在段落之间划界

它包含的垃圾空格如下所示：

[\ \n\t]+ all jumbled together

这就引出了另一个问题，有时段落是由

[\n][\s]+[\n]

我对正则表达式没有足够的经验，无法使它忽略两个

\n

之间的内部空白。作为一名业余RegExer，我的问题是

\s

包括

\n

如果没有，我想这是一个很容易解决的问题

所有其他空白都是无关紧要的，我所尝试的任何东西都无法真正发挥作用

如有任何建议，将不胜感激

示例文本

---

---

这只是让我找到更多的解决方法。。。必须删除所有页码和随机双\n。

您可以使用断言来排除换行符：

 ((?!\n)\s){2,}

---

要将换行符与中间的

\n\s+\n

空格合并，可以使用类似的构造来代替

\s+

。但为了简单起见，我只需使用两个

preg\u match

es，首先合并换行符，然后清除两个空格。

您可以使用断言使

\s

排除换行符：

 ((?!\n)\s){2,}

---

要将换行符与中间的

\n\s+\n

空格合并，可以使用类似的构造来代替

\s+

。但为了简单起见，我只需要使用两个

preg_match

es，首先合并换行符，然后清理两个空格。

我认为这会起作用：

将“\s*\n\s*\n\s*”替换为“\n\n”

这将使段落分隔符标准化

将“\s*\s*”替换为“”

这将使单词分隔符标准化

---

我认为这会奏效：

将“\s*\n\s*\n\s*”替换为“\n\n”

这将使段落分隔符标准化

将“\s*\s*”替换为“”

这将使单词分隔符标准化

上面将删除水平空白（我假设您不担心垂直制表符或回车符）和双空格上的所有换行符

---

上面的内容将删除水平空格（我假设您不担心垂直制表符或回车符）和双空格上的所有换行符。

尽管有点粗糙，但我认为这应该可以做到：

preg_replace（'/\t |（）{2，}|（\n）\s+（\n）/'，'\1\2\3'，$data）

奖励：不需要在琴弦上做两次传球。
稍微有点不自然，但我认为这应该可以做到：

preg_replace（'/\t |（）{2，}|（\n）\s+（\n）/'，'\1\2\3'，$data）

奖励：不需要对字符串进行两次传递。
我从未听说过这个断言，我现在在谷歌上搜索它以获得更多解释！抱歉，忘了链接：有一个可理解的关于前瞻性和背后断言的介绍，以及？！负变量。这就是我使用
$find[5]='/[\s]*（（？！\n）\s）{2，}[\s]*/'得到的结果$固定[5]='

'
@mario如何做到这一点，但要保护
标记中的空格？@Lea：事先将这些区域分开。我从未听说过这一断言，我现在在谷歌上搜索它以获得更多解释！抱歉，忘了链接：有一个可理解的关于前瞻性和背后断言的介绍，以及？！负变量。这就是我使用
$find[5]='/[\s]*（（？！\n）\s）{2，}[\s]*/'得到的结果$固定[5]='

'
@mario除了保护
标记中的空格外，如何做到这一点？@Lea:事先将这些区域分开。\1\2\3只是替换字符串正确部分的一个技巧。你能上传一些测试数据吗？如果不能正确地尝试，就很难正确地使用它。。。这是一个巨大的文件。。。所以我将只发布一点itI，我认为堆栈溢出也在清理文件，当我发布它时。哈哈\1\2\3只是替换字符串右侧部分的一个技巧。你能上传一些测试数据吗？如果不能正确地尝试，就很难正确地使用它。。。这是一个巨大的文件。。。所以我将只发布一点itI，我认为堆栈溢出也在清理文件，当我发布它时。哈哈，看看你问了多少正则表达式问题。如果你开始认真学习它们，你认为你（和我们）的时间值得吗？如果你仔细阅读OReilly Regex这本书并不难。谢谢你的评论，Mike。我很高兴正则表达式对你来说很简单。迈克的评论是对的。如果你不得不问那么多问题，也许你应该研究这个问题，而不是继续要求别人为你做事。我自己也喜欢Regex食谱。看看你问的Regex问题的数量。如果你开始认真学习它们，你认为你（和我们）的时间值得吗？如果你仔细阅读OReilly Regex这本书并不难。谢谢你的评论，Mike。我很高兴正则表达式对你来说很简单。迈克的评论是对的。如果你不得不问那么多问题，也许你应该研究这个问题，而不是继续要求别人为你做事。我自己也喜欢Regex的食谱。
s/(\h)+/$1/g;
s/\n(\s*\n)+/\n\n/g;