Python去掉文本中所有空白字符的三種實(shí)現(xiàn)方法

更新時(shí)間：2025年11月12日 08:23:51 作者：detayun

這篇文章主要介紹了在Python中去除文本中所有空白字符有三種高效方法：正則表達(dá)式（通用場(chǎng)景,處理Unicode空白）、字符串translate（性能最優(yōu),僅ASCII空白）和生成器表達(dá)式（內(nèi)存友好,適合大文本）,需要的朋友可以參考下

方法一：正則表達(dá)式（推薦通用場(chǎng)景）

import re

def remove_all_whitespace(text):
    """刪除所有空白字符（包括Unicode空白）"""
    return re.sub(r'\s', '', text, flags=re.UNICODE)

# 示例
text = "Hello\tWorld\nPython  \u00A0編程"
cleaned = remove_all_whitespace(text)
print(cleaned)  # 輸出: HelloWorldPython編程

特點(diǎn)：

\s匹配所有Unicode空白字符（包括零寬空格、不換行空格等）
re.UNICODE確保處理非ASCII空白字符
適合處理混合編碼文本，兼容中文、日文等多語言場(chǎng)景

方法二：字符串translate（性能最優(yōu)）

def remove_all_whitespace_fast(text):
    """使用translate方法極速刪除空白（僅ASCII空白）"""
    # 定義要?jiǎng)h除的ASCII空白字符集
    whitespace = " \t\n\r\x0b\x0c"  # 對(duì)應(yīng)string.whitespace
    return text.translate(str.maketrans('', '', whitespace))

# 示例
text = "Line1\nLine2\tTab"
cleaned = remove_all_whitespace_fast(text)
print(cleaned)  # 輸出: Line1Line2Tab

特點(diǎn)：

底層C語言實(shí)現(xiàn)，處理大文本時(shí)性能比正則表達(dá)式高3-10倍
僅處理ASCII空白字符，適合純英文/數(shù)字場(chǎng)景
需注意不處理Unicode空白（如中文間的空格）

方法三：生成器表達(dá)式（內(nèi)存友好）

def remove_all_whitespace_gen(text):
    """逐字符處理大文本（內(nèi)存效率高）"""
    return ''.join(c for c in text if not c.isspace())

# 示例
big_text = "  ".join(["a" * 1000] * 10000)  # 1000萬字符
cleaned = remove_all_whitespace_gen(big_text)  # 內(nèi)存占用穩(wěn)定

特點(diǎn)：

逐字符處理，內(nèi)存占用恒定
適合超長(zhǎng)文本（如日志文件處理）
性能略低于前兩種方法，但內(nèi)存效率最優(yōu)

關(guān)鍵差異對(duì)比

方法	速度	內(nèi)存	空白字符范圍	適用場(chǎng)景
正則表達(dá)式	快	中	全Unicode空白	通用場(chǎng)景/多語言文本
translate	極快	低	ASCII空白	高性能需求/英文場(chǎng)景
生成器表達(dá)式	中	極低	依賴`isspace()`	超長(zhǎng)文本/內(nèi)存敏感場(chǎng)景

特殊場(chǎng)景處理

保留中文間空格（如"張三"→"張三"）：

# 僅去除行尾/行首空白，保留中文間空格
cleaned = re.sub(r'\s{2,}', '', text)  # 替換連續(xù)空白為單個(gè)空

保留數(shù)字間逗號(hào)（如"1,000"→"1000"）：

# 先去除所有空白，再恢復(fù)特定符號(hào)
cleaned = remove_all_whitespace(text).replace(',', '')

處理不可見空白字符（如零寬空格）：

# 顯式指定需要?jiǎng)h除的特殊空白
special_whitespace = '\u200B\u200C\u200D'  # 零寬空格、連接符等
cleaned = text.translate(str.maketrans('', '', special_whitespace))

性能測(cè)試建議

對(duì)100萬字符文本進(jìn)行性能測(cè)試：

import time
import random
import string

# 生成測(cè)試文本
test_text = ''.join(random.choices(string.ascii_letters + ' \t\n', k=10**6))

# 測(cè)試正則方法
start = time.time()
re.sub(r'\s', '', test_text)
print("Regex time:", time.time()-start)

# 測(cè)試translate方法
start = time.time()
test_text.translate(str.maketrans('', '', " \t\n\r\x0b\x0c"))
print("Translate time:", time.time()-start)

典型結(jié)果（在標(biāo)準(zhǔn)PC上）：