命令行与文本处理 / 系统课时
空白字符类
空白字符类
学习目标
- 掌握空白和非空白简写。
- 区分空格、制表符和换行。
- 会拆分和规范化连续空白。
- 理解多行文本中的影响。
问题背景或应用场景
日志和复制文本中的分隔符可能混合空格、制表符和换行。只匹配一个普通空格会遗漏其他空白类型。
核心原理
- 空白简写匹配空格、制表符、换行等空白字符。
- 非空白简写匹配空白集合的补集。
- 连续空白模式适合拆分字段。
- 替换全部连续空白会同时消除换行。
- 只处理普通空格时应使用更精确的规则。
连续空白模式适合把不规则间隔统一处理,连续非空白模式适合提取由空白分隔的字段。
基础用法
本课涉及的核心写法如下:
text
\s
\s+
\S
\S+是否清理首尾空白、是否保留换行,应由实际文本格式决定。
完整可运行示例
将代码保存为:
text
whitespace_classes.pypython
import re
text = "name age\tcity\nAlice 30\tKuala_Lumpur"
fields = re.findall(r"\S+", text)
normalized = re.sub(r"\s+", " ", text).strip()
split_result = re.split(r"\s+", text.strip())
print(f"字段:{fields}")
print(f"规范化:{normalized}")
print(f"拆分:{split_result}")
space_pattern = r"\s"
for name, char in [("空格", " "), ("制表符", "\t"), ("换行符", "\n")]:
print(f"{name}: {re.fullmatch(space_pattern, char) is not None}")运行命令:
bash
python whitespace_classes.py预期输出
text
字段:['name', 'age', 'city', 'Alice', '30', 'Kuala_Lumpur']
规范化:name age city Alice 30 Kuala_Lumpur
拆分:['name', 'age', 'city', 'Alice', '30', 'Kuala_Lumpur']
空格: True
制表符: True
换行符: TrueTips
- 空白简写不只表示普通空格。
- 拆分前可按业务清理首尾空白。
- 保留段落时不要替换全部空白。
- 日志逐行处理时应谨慎跨越换行。
常见错误
1. 认为空白只表示空格
空白简写还可以匹配制表符和换行。
2. 破坏段落结构
将全部连续空白替换为一个空格会消除换行。
3. 首尾产生空字段
可根据业务先执行 strip()。
本课练习
- 提取一个混合空格、制表符和换行的产品表字段。
- 按连续空白拆分。
- 只压缩空格和制表符,保留换行。
按自己的节奏,确认真正理解。