Python 3.x 删除所有中文字符的空格，同时在Python正则表达式中保留必要的英文空格

假设我的数据框中有一列混合了中英文单词或字符，如果它们是中文单词，我希望删除它们之间的所有空格，否则如果它们是英文单词，则在单词之间只保留一个空格：

我已经找到了一个解决方案，可以从

代码：

但正如您所看到的，它适用于英语，但没有删除中文之间的空格，如何才能得到如下预期结果：

Out[87]: 
0              Very calm
1    Keen and analytical
2      Rash and careless
3          Always joyful
4                    你好
5                 黑石公司
dtype: object

参考资料：

您可以使用中文（嗯，CJK）

\p{script=Han}

或

\p{Han}

但是，只有当正则表达式引擎支持UTS#18 Unicode正则表达式时，这才有效。默认的Python re模块没有，但您可以使用替代方法（改进很多）：

（演示仅用于演示目的）

您可以使用中文（嗯，CJK）

\p{script=Han}

或

\p{Han}

但是，只有当正则表达式引擎支持UTS#18 Unicode正则表达式时，这才有效。默认的Python re模块没有，但您可以使用替代方法（改进很多）：

---

（演示仅出于演示目的使用PCRE）

在环视中使用单词边界

\b

：

(?<=\b\w\b) +(?=\b\w\b)

输出：

['Very calm', 'Keen and analytical', 'Rash and careless', 'Always joyful', '你好', '黑石公司']

0              Very calm
1    Keen and analytical
2      Rash and careless
3          Always joyful
4                     你好
5                   黑石公司
dtype: object

---

在环视中使用单词边界

\b

：

(?<=\b\w\b) +(?=\b\w\b)

输出：

['Very calm', 'Keen and analytical', 'Rash and careless', 'Always joyful', '你好', '黑石公司']

0              Very calm
1    Keen and analytical
2      Rash and careless
3          Always joyful
4                     你好
5                   黑石公司
dtype: object

---

这个正则表达式应该能满足你的需要。请参阅底部的完整代码片段

regex = re.compile(
    "((?<![a-zA-Z]{2})(?<=[a-zA-Z]{1})\s+(?=[a-zA-Z]\s|.$)|(?<=[\u4e00-\u9fff]{1})\s+)",
    re.UNICODE,
)

输出：

['Very calm', 'Keen and analytical', 'Rash and careless', 'Always joyful', '你好', '黑石公司']

0              Very calm
1    Keen and analytical
2      Rash and careless
3          Always joyful
4                     你好
5                   黑石公司
dtype: object

---

这个正则表达式应该能满足你的需要。请参阅底部的完整代码片段

regex = re.compile(
    "((?<![a-zA-Z]{2})(?<=[a-zA-Z]{1})\s+(?=[a-zA-Z]\s|.$)|(?<=[\u4e00-\u9fff]{1})\s+)",
    re.UNICODE,
)

输出：

['Very calm', 'Keen and analytical', 'Rash and careless', 'Always joyful', '你好', '黑石公司']

0              Very calm
1    Keen and analytical
2      Rash and careless
3          Always joyful
4                     你好
5                   黑石公司
dtype: object

---

---

单字母单词a和I怎么样？谢谢，伙计们。有很多好的选择。这是一个很好的问题@Bohemian，在一些罕见的情况下，例如

XYZ company

，只有一个空格应该被删除并获得

XYZ company

，事实上，我不知道如何解决这个问题。我已经为serie

s

更新了新元素，看来你的解决方案都不管用，因为它是中英文混合的。有人能帮我再测试一次吗？关于单字母单词

“a”

和

“I”

？谢谢，伙计们。有很多好的选择。这是一个很好的问题@Bohemian，在一些罕见的情况下，例如

XYZ company

，只有一个空格应该被删除并获得

XYZ company

，事实上，我不知道如何解决这个问题。我已经为serie

s

更新了新元素，看来你的解决方案都不管用，因为它是中英文混合的。有人能帮我再次测试吗？我使用

df['rent\u name']将您的代码应用到一列
rent\u name
。替换（re.compile（r）（？您是否使用
import regex as re
？是的，它会引发一个错误：
TypeError:replace（）缺少1个必需的位置参数：“repl”
。如果
test\u str
是数据帧中的一列，我如何使用您的代码？我使用
df['rent\u name']将您的代码应用于一列
rent\u name
。replace（re.compile（r）（？您是否使用
import regex as re
？是的，它会引发错误：
TypeError:replace（）缺少1个必需的位置参数：“repl”
。如果
test\u str
是数据帧中的一列，我如何使用您的代码？抱歉，您的解决方案似乎不适用于
FAN STUD1O
，我想我们可能需要
df['Day'].str.capitale（）
然后应用你的代码？我会用一个更简单的正则表达式来处理这个问题，它将所有空格组合成一个字符串
s.str.replace（re.compile（“\s+”，re.UNICODE），”）
对不起，你的解决方案似乎不适用于
FAN STUD1O
，我想也许我们需要
df['Day'].str.capitalize（）
然后应用您的代码？我会用一个更简单的正则表达式来处理这种情况，它将所有空格组合成一个字符串
s.str.replace（re.compile（“\s+”，re.UNICODE），”）
为什么需要
（？u）
？在Python3.x中它默认打开。@WiktorStribiżew我不知道。我是一个Python新手。回答简化和注释制作的Python版本。Thx为什么需要
（？u）
？在Python3.x中它默认打开。@WiktorStribiżew我不知道。我是Python新手。回答简化和注释制作的Python版本。Thx