正则表达式不能正确使用python

我有这个密码

site = hxs.select("//h1[@class='state']")
mydata = site.select("string()").extract()
cleaned_mydata = re.sub(ur'(\s)\s+', ur'\1', mydata[0], flags=re.MULTILINE + re.UNICODE)

        log.msg(str(mydata),level=log.ERROR)
        log.msg(str(cleaned_mydata),level=log.ERROR)

第一个输出是

错误：[u'\r\n 212\r\n xxxx中包含php的作业 \r\n']

其他输出是

xxxxxx中包含php的作业

---

regex也在用它剥离

212

数值。我如何解决这个问题呢？问题是这个正则表达式会留下它找到的第一个空格，并只去掉后面的空格

这意味着

u'\r\n 212\r\n jobs containing php in xxxx \r\n '

变成

u'\r212\rjobs containing php in xxxx '

打印时，将打印

212

，然后回车符将光标返回到第一列，以便以下

作业…

将覆盖

212

这提出了两个问题：

• 您似乎正在以二进制模式读取文本文件（否则

  \r\n

  将被规范化为

  \n

  s）-为什么
• 你真的希望正则表达式这样工作吗

编辑：

那么，根据你的评论，你想

• 完全去除前导和尾随空格
• 将多个连续的空白字符压缩为单个空格（ASCII 32）

然后使用

cleaned_mydata = re.sub(r'\s+', ' ', mydata[0].strip())

---

您试图匹配什么？我试图删除多个空格和结束行。我从互联网上复制了这个，我不知道它到底做了什么作为一个测试，为什么不用可见的东西代替它，而不是：ur'\1'，使用'XYZ'。在运行正则表达式之前，为什么不删除\r\n？另外，当使用flags=它们应该在一起，而不是添加（即使用| not+）时，我正在用scrapy废弃网站并在那里使用。我不知道为什么会这样。我只想删除blamk空格和\r\n\n@user32：请更具体一点。你到底想删除什么？我认为您不希望结果是包含phpinxxxx的

212jobs

。我希望结果是

212个包含xxx中php的jobs