Como aparar espaços em branco?

Existe uma função Python que apara os espaços em branco (espaços e tabulações) de uma string?

Exemplo: \t example string\t→example string

Espaço em branco em ambos os lados:

s = "  \t a string example\t  "
s = s.strip()

Espaço em branco no lado direito:

s = s.rstrip()

Espaço em branco no lado esquerdo:

s = s.lstrip()

Como thedz aponta, você pode fornecer um argumento para remover caracteres arbitrários para qualquer uma dessas funções como esta:

s = s.strip(' \t\n\r')

Isto irá retirar qualquer espaço, \t, \n, ou \rpersonagens de lado esquerdo, do lado direito, ou ambos os lados da corda.

Os exemplos acima removem apenas as cordas dos lados esquerdo e direito das cordas. Se você também deseja remover caracteres do meio de uma string, tente re.sub:

import re
print re.sub('[\s+]', '', s)

Isso deve ser impresso:

astringexample

O trimmétodo Python é chamado strip:

str.strip() #trim
str.lstrip() #ltrim
str.rstrip() #rtrim

Para espaços em branco à esquerda e à direita:

s = '   foo    \t   '
print s.strip() # prints "foo"

Caso contrário, uma expressão regular funcionará:

import re
pat = re.compile(r'\s+')
s = '  \t  foo   \t   bar \t  '
print pat.sub('', s) # prints "foobar"

Você também pode usar uma função muito simples e básica: str.replace () , trabalha com os espaços em branco e as guias:

>>> whitespaces = "   abcd ef gh ijkl       "
>>> tabs = "        abcde       fgh        ijkl"

>>> print whitespaces.replace(" ", "")
abcdefghijkl
>>> print tabs.replace(" ", "")
abcdefghijkl

Simples e fácil.

#how to trim a multi line string or a file

s=""" line one
\tline two\t
line three """

#line1 starts with a space, #2 starts and ends with a tab, #3 ends with a space.

s1=s.splitlines()
print s1
[' line one', '\tline two\t', 'line three ']

print [i.strip() for i in s1]
['line one', 'line two', 'line three']




#more details:

#we could also have used a forloop from the begining:
for line in s.splitlines():
    line=line.strip()
    process(line)

#we could also be reading a file line by line.. e.g. my_file=open(filename), or with open(filename) as myfile:
for line in my_file:
    line=line.strip()
    process(line)

#moot point: note splitlines() removed the newline characters, we can keep them by passing True:
#although split() will then remove them anyway..
s2=s.splitlines(True)
print s2
[' line one\n', '\tline two\t\n', 'line three ']

Ninguém postou essas soluções de regex ainda.

Coincidindo:

>>> import re
>>> p=re.compile('\\s*(.*\\S)?\\s*')

>>> m=p.match('  \t blah ')
>>> m.group(1)
'blah'

>>> m=p.match('  \tbl ah  \t ')
>>> m.group(1)
'bl ah'

>>> m=p.match('  \t  ')
>>> print m.group(1)
None

Pesquisando (você precisa manipular o caso de entrada "apenas espaços" de maneira diferente):

>>> p1=re.compile('\\S.*\\S')

>>> m=p1.search('  \tblah  \t ')
>>> m.group()
'blah'

>>> m=p1.search('  \tbl ah  \t ')
>>> m.group()
'bl ah'

>>> m=p1.search('  \t  ')
>>> m.group()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

Se você usar re.sub, poderá remover o espaço em branco interno, o que pode ser indesejável.

Espaço em branco inclui espaço, guias e CRLF . Portanto, uma função de string elegante e de uma linha que podemos usar é traduzir .

' hello apple'.translate(None, ' \n\t\r')

OU se você quiser ser completo

import string
' hello  apple'.translate(None, string.whitespace)

(re.sub ('+', '', (my_str.replace ('\ n', '')))). strip ()

Isso removerá todos os espaços indesejados e caracteres de nova linha. Espero que esta ajuda

import re
my_str = '   a     b \n c   '
formatted_str = (re.sub(' +', ' ',(my_str.replace('\n',' ')))).strip()

Isso resultará em:

'a b \ nc' será alterado para 'ab c'

    something = "\t  please_     \t remove_  all_    \n\n\n\nwhitespaces\n\t  "

    something = "".join(something.split())

resultado:

please_remove_all_whitespaces

    something = "\t  please     \t remove  all   extra \n\n\n\nwhitespaces\n\t  "
    something = " ".join(something.split())

resultado:

remova todos os espaços em branco extras

Se você estiver usando o Python 3: Na sua declaração de impressão, termine com sep = "". Isso separará todos os espaços.

EXEMPLO:

txt="potatoes"
print("I love ",txt,"",sep="")

Isto irá imprimir: eu amo batatas.

Em vez de: eu amo batatas.

No seu caso, como você tentaria pegar o \ t, faça sep = "\ t"

Tendo analisado várias soluções aqui com vários graus de entendimento, me perguntei o que fazer se a string fosse separada por vírgula ...

o problema

Ao tentar processar um CSV de informações de contato, eu precisava de uma solução para este problema: aparar espaços em branco externos e alguns itens indesejados, mas preservar vírgulas finais e espaços em branco internos. Trabalhando com um campo contendo anotações nos contatos, eu queria remover o lixo, deixando as coisas boas. Aparando toda a pontuação e o joio, eu não queria perder o espaço em branco entre os tokens compostos, pois não queria reconstruir mais tarde.

regex e padrões: [\s_]+?\W+

O padrão procura por instâncias únicas de qualquer caractere de espaço em branco e o sublinhado ('_') de 1 a um número ilimitado de vezes preguiçosamente (o mínimo de caracteres possível) com [\s_]+?os caracteres anteriores a não-palavra que ocorrem de 1 a uma quantidade ilimitada de caracteres. tempo com isso: \W+(é equivalente a [^a-zA-Z0-9_]). Especificamente, isso encontra faixas de espaço em branco: caracteres nulos (\ 0), guias (\ t), novas linhas (\ n), feed-forward (\ f), retornos de carro (\ r).

Vejo a vantagem disso como dupla:

1. que não remove espaços em branco entre as palavras / tokens completos que você pode querer manter juntos;

2. O método string incorporado do Python strip()não lida dentro da string, apenas as extremidades esquerda e direita, e arg padrão são caracteres nulos (veja o exemplo abaixo: várias novas linhas estão no texto e strip()não as removem todas enquanto o padrão regex) .text.strip(' \n\t\r')

Isso vai além da questão dos OPs, mas acho que há muitos casos em que podemos ter instâncias patológicas estranhas nos dados de texto, como eu fiz (um pouco como os caracteres de escape terminaram em alguns textos). Além disso, em seqüências de caracteres do tipo lista, não queremos eliminar o delimitador, a menos que o delimitador separe dois caracteres de espaço em branco ou algum caractere que não seja da palavra, como '-,' ou '-, ,,,'.

NB: Sem falar no delimitador do próprio CSV. Somente instâncias no CSV em que os dados são do tipo lista, ou seja, são uma sequência de substrings cs.

Divulgação completa: só manipulo o texto há cerca de um mês e regex apenas nas últimas duas semanas, por isso tenho certeza de que algumas nuances estão faltando. Dito isto, para coleções menores de seqüências de caracteres (as minhas estão em um quadro de dados de 12.000 linhas e 40 colunas ímpares), como uma etapa final após um passo para remover caracteres estranhos, isso funciona excepcionalmente bem, especialmente se você introduzir algum espaço em branco adicional em que deseja separar o texto unido por um caractere que não seja uma palavra, mas não deseja adicionar espaços em branco onde não havia antes.

Um exemplo:

import re


text = "\"portfolio, derp, hello-world, hello-, -world, founders, mentors, :, ?, %, ,>, , ffib, biff, 1, 12.18.02, 12,  2013, 9874890288, .., ..., ...., , ff, series a, exit, general mailing, fr, , , ,, co founder, pitch_at_palace, ba, _slkdjfl_bf, sdf_jlk, )_(, [email protected], ,dd invites,subscribed,, master, , , ,  dd invites,subscribed, , , , \r, , \0, ff dd \n invites, subscribed, , ,  , , alumni spring 2012 deck: https: www.dropbox.com s, \n i69rpofhfsp9t7c practice 20ignition - 20june \t\n .2134.pdf 2109                                                 \n\n\n\nklkjsdf\""

print(f"Here is the text as formatted:\n{text}\n")
print()
print("Trimming both the whitespaces and the non-word characters that follow them.")
print()
trim_ws_punctn = re.compile(r'[\s_]+?\W+')
clean_text = trim_ws_punctn.sub(' ', text)
print(clean_text)
print()
print("what about 'strip()'?")
print(f"Here is the text, formatted as is:\n{text}\n")
clean_text = text.strip(' \n\t\r')  # strip out whitespace?
print()
print(f"Here is the text, formatted as is:\n{clean_text}\n")

print()
print("Are 'text' and 'clean_text' unchanged?")
print(clean_text == text)

Isso gera:

Here is the text as formatted:

"portfolio, derp, hello-world, hello-, -world, founders, mentors, :, ?, %, ,>, , ffib, biff, 1, 12.18.02, 12,  2013, 9874890288, .., ..., ...., , ff, series a, exit, general mailing, fr, , , ,, co founder, pitch_at_palace, ba, _slkdjfl_bf, sdf_jlk, )_(, [email protected], ,dd invites,subscribed,, master, , , ,  dd invites,subscribed, ,, , , ff dd 
 invites, subscribed, , ,  , , alumni spring 2012 deck: https: www.dropbox.com s, 
 i69rpofhfsp9t7c practice 20ignition - 20june 
 .2134.pdf 2109                                                 



klkjsdf" 

using regex to trim both the whitespaces and the non-word characters that follow them.

"portfolio, derp, hello-world, hello-, world, founders, mentors, ffib, biff, 1, 12.18.02, 12, 2013, 9874890288, ff, series a, exit, general mailing, fr, co founder, pitch_at_palace, ba, _slkdjfl_bf, sdf_jlk,  [email protected], dd invites,subscribed,, master, dd invites,subscribed, ff dd invites, subscribed, alumni spring 2012 deck: https: www.dropbox.com s, i69rpofhfsp9t7c practice 20ignition 20june 2134.pdf 2109 klkjsdf"

Very nice.
What about 'strip()'?

Here is the text, formatted as is:

"portfolio, derp, hello-world, hello-, -world, founders, mentors, :, ?, %, ,>, , ffib, biff, 1, 12.18.02, 12,  2013, 9874890288, .., ..., ...., , ff, series a, exit, general mailing, fr, , , ,, co founder, pitch_at_palace, ba, _slkdjfl_bf, sdf_jlk, )_(, [email protected], ,dd invites,subscribed,, master, , , ,  dd invites,subscribed, ,, , , ff dd 
 invites, subscribed, , ,  , , alumni spring 2012 deck: https: www.dropbox.com s, 
 i69rpofhfsp9t7c practice 20ignition - 20june 
 .2134.pdf 2109                                                 



klkjsdf"


Here is the text, after stipping with 'strip':


"portfolio, derp, hello-world, hello-, -world, founders, mentors, :, ?, %, ,>, , ffib, biff, 1, 12.18.02, 12,  2013, 9874890288, .., ..., ...., , ff, series a, exit, general mailing, fr, , , ,, co founder, pitch_at_palace, ba, _slkdjfl_bf, sdf_jlk, )_(, [email protected], ,dd invites,subscribed,, master, , , ,  dd invites,subscribed, ,, , , ff dd 
 invites, subscribed, , ,  , , alumni spring 2012 deck: https: www.dropbox.com s, 
 i69rpofhfsp9t7c practice 20ignition - 20june 
 .2134.pdf 2109                                                 



klkjsdf"
Are 'text' and 'clean_text' unchanged? 'True'

Portanto, tira remove um espaço em branco de cada vez. Portanto, no caso dos OPs, tudo strip()bem. mas se as coisas ficarem mais complexas, regex e um padrão semelhante podem ter algum valor para configurações mais gerais.

vê-lo em ação

tente traduzir

>>> import string
>>> print '\t\r\n  hello \r\n world \t\r\n'

  hello 
 world  
>>> tr = string.maketrans(string.whitespace, ' '*len(string.whitespace))
>>> '\t\r\n  hello \r\n world \t\r\n'.translate(tr)
'     hello    world    '
>>> '\t\r\n  hello \r\n world \t\r\n'.translate(tr).replace(' ', '')
'helloworld'

Se você deseja cortar o espaço em branco apenas no início e no final da string, pode fazer algo assim:

some_string = "    Hello,    world!\n    "
new_string = some_string.strip()
# new_string is now "Hello,    world!"

Isso funciona muito como o método QString :: trimmed () do Qt, na medida em que remove os espaços em branco iniciais e finais, deixando apenas os espaços internos em branco.

Mas se você quiser algo como o método QString :: simplified () do Qt, que não apenas remove os espaços em branco iniciais e finais, mas também "esmaga" todos os espaços em branco internos consecutivos em um caractere de espaço, você pode usar uma combinação de , .split()e " ".joinassim:

some_string = "\t    Hello,  \n\t  world!\n    "
new_string = " ".join(some_string.split())
# new_string is now "Hello, world!"

Neste último exemplo, cada sequência de espaço em branco interno foi substituída por um único espaço, enquanto ainda aparava o espaço em branco no início e no final da string.

Geralmente, estou usando o seguinte método:

>>> myStr = "Hi\n Stack Over \r flow!"
>>> charList = [u"\u005Cn",u"\u005Cr",u"\u005Ct"]
>>> import re
>>> for i in charList:
        myStr = re.sub(i, r"", myStr)

>>> myStr
'Hi Stack Over  flow'

Nota: Isso é apenas para remover apenas "\ n", "\ r" e "\ t". Não remove espaços extras.

para remover espaços em branco do meio da string

$p = "ATGCGAC ACGATCGACC";
$p =~ s/\s//g;
print $p;

resultado:

ATGCGACACGATCGACC

Isso removerá todos os espaços em branco e novas linhas do início e do fim de uma string:

>>> s = "  \n\t  \n   some \n text \n     "
>>> re.sub("^\s+|\s+$", "", s)
>>> "some \n text"