17370845950

Python字符串去空格需按场景选择方法：strip()等仅处理首尾ASCII空白；全角空格需显式传参；replace()/translate()适合批量删特定字符；正则re.sub()最灵活，可处理逻辑空格及不可见字符。

Python 里消除字符串空格不是只有一个 strip() 就完事的——它根本不能去掉中间的空格，而你真正需要的，往往取决于空格出现在哪、要不要保留换行、是否要统一多个空格为一个，甚至是否要兼容全角空格。

用 strip()、lstrip()、rstrip() 去掉首尾空白（但仅限 ASCII 空白）

这三个方法只影响字符串开头和/或结尾，且默认只识别 ' '、'\t'、'\n'、'\r'、'\f'、'\v' 这六种字符。它们对中文全角空格 　、不间断空格  （U+00A0）、零宽空格等完全无效。

常见错误现象：用 s.strip() 处理从网页或 Excel 里读出的字符串，结果首尾看着“空”却去不掉——大概率是全角空格或零宽字符。

• 只去左边：用 s.lstrip()
• 只去右边：用 s.rstrip()
• 想同时去掉首尾的全角空格？得显式传参：s.strip(' \t\n\r\xA0\u3000')（其中 \u3000 是中文全角空格）
• 注意：传入的字符串是“字符集合”，不是正则；重复字符自动去重，顺序无关

用 replace() 或 translate() 批量删特定空格字符

当你明确知道要干掉哪几种空格（比如所有制表符、所有全角空格），replace() 最直观；但若要一次替换多种字符，translate() 效率更高，尤其处理长文本时。

使用场景：清洗爬虫返回的 HTML 文本、处理用户粘贴进来的富文本、标准化日志字段。

• s.replace(' ', '').replace('\t', '').replace('\u3000', '') —— 简单直接，适合少量字符
• 更高效写法：

  s.translate(str.maketrans('', '', ' \t\n\r\xA0\u3000'))

  第三个参数是“要删除的字符集”
• translate() 不支持正则，也不能替换成别的字符（那是 str.translate(table) 的用法）

用正则 re.sub() 处理“逻辑空格”：合并中间空格、删所有空白、保留换行等

真正灵活的空格控制，必须靠正则。比如“把连续多个空白（含换行）缩成一个空格”，或者“只删空格和制表符，但保留换行”，strip() 和 replace() 都做不到。

性能影响：短字符串几乎无感；但循环中高频调用 re.sub(r'\s+', ' ', s) 可能成为瓶颈，建议预编译正则对象。

• 删所有空白字符（含换行、制表、全角空格）：re.sub(r'\s+', '', s)
• 把中间多个空白（不含首尾）压成单个空格，首尾空白照常删：re.sub(r'\s+', ' ', s).strip()
• 只删 ASCII 空格和制表符，保留换行和全角空格：re.sub(r'[ \t]+', '', s)
• 安全起见，加 re.UNICODE 标志以确保匹配 Unicode 空白（如 \u3000）：re.sub(r'\s+', ' ', s, flags=re.UNICODE)

注意不可见字符：零宽空格、BOM、软连字符等真会破坏逻辑

很多“看起来没空格却匹配失败”的问题，根源是零宽空格 \u200B、字节顺序标记 BOM \ufeff、软连字符 \u00AD。它们不显示，但参与字符串比较、正则匹配、JSON 解析，甚至导致 == 判断为 False。

容易被忽略的地方：从 Word、微信、某些 CMS 复制的文本，或 UTF-8 with BOM 编码的文件，极易带入这类字符。

• 快速检测：[c for c in s if ord(c) 可揪出低码值控制字符
• 一并清理常见干扰符：

  s.translate(str.maketrans('', '', '\u200B\u200C\u200D\uFEFF\u00AD'))

• 读文件时加 encoding='utf-8-sig' 自动剥离 BOM，比手动 strip 更可靠