使用 Python 标准化空格

Question

我正在使用 scrapy 构建数据提取，并希望规范化从 HTML 文档中提取的原始字符串。这是一个示例字符串：

  Sapphire RX460 OC  2/4GB

注意字符串文字前面以及

OC

和

2

之间的两组空格，每组两个空格。

Python 提供了修剪，如如何使用 Python 修剪空白？但这无法处理

OC

和

2

之间的两个空格，我需要将其折叠成一个空格。

我尝试使用 XPath 中的

normalize-space()

，同时使用我的 scrapy Selector 提取数据，这有效，但赋值冗长且具有强烈的向右漂移：

product_title = product.css('h3').xpath('normalize-space((text()))').extract_first()

有没有一种优雅的方式使用Python来标准化空格？如果不是一行，有没有一种方法可以将上面的行分解成更容易阅读的内容，而不会引发缩进错误，例如

product_title = product.css('h3')
    .xpath('normalize-space((text()))')
    .extract_first()

Answer 1

您可以使用：

" ".join(s.split())

其中

s

是你的字符串。

Answer 2

与其使用正则表达式，更有效的解决方案是使用连接/拆分选项，观察：

>>> timeit.Timer((lambda:' '.join(' Sapphire RX460 OC  2/4GB'.split()))).timeit()
0.7263979911804199

>>> def f():
        return re.sub(" +", ' ', "  Sapphire RX460 OC  2/4GB").split()

>>> timeit.Timer(f).timeit()
4.163465976715088

Answer 3

您可以使用如下函数和正则表达式来扫描连续空格并将其替换为 1 个空格

import re

def clean_data(data):
    return re.sub(" {2,}", " ", data.strip())

product_title = clean(product.css('h3::text').extract_first())

然后按照你喜欢的方式改进清洁功能

Answer 4

接受的答案是标准化空白的正确方法。这是关于格式化的第二个问题的答案。

您还询问了如何跨多行格式化 Python 代码而不引发缩进错误。您可以在 Python 中使用括号来做到这一点。以下是您的问题中的示例代码，为了便于阅读，将其格式化为多行。

product_title = (
    product.css("h3")
    .xpath("normalize-space((text()))")
    .extract_first()
)

请注意，这些括号不会创建元组，因为没有逗号。外括号仅用于格式化目的。

上面的多行代码完全相当于将所有方法调用链接在一行上。

product_title = product.css("h3").xpath("normalize-space((text()))").extract_first()