Python文本清洗：换行符致单词拆分问题求解

你的问题核心是要区分两类换行场景，针对性处理即可：

• 场景1：单词被-打断后换行（如in-\nsured），需要合并为完整单词
• 场景2：换行分隔两个独立单词（如as\nan），需要替换为空格分隔

用正则表达式可以精准处理这两种情况，以下是实现代码：

import re

input_text = """have agreed in-
sured as
an per-
son in
writing in a contract or agreement"""

# 1. 先处理连字符+换行的断词，合并为完整单词
processed_text = re.sub(r'-\n', '', input_text)
# 2. 将剩余换行替换为空格，并清理多余空白字符
cleaned_text = re.sub(r'\s+', ' ', processed_text).strip()

print(cleaned_text)

代码说明 #

• re.sub(r'-\n', '', input_text)：精准匹配-紧跟换行的模式，直接移除这两个字符，实现in-+换行+sured → insured的合并。
• re.sub(r'\s+', ' ', processed_text).strip()：把所有连续空白（包括换行、多个空格）替换为单个空格，最后去除首尾空格，保证文本格式整洁。

运行后输出结果完全符合你的期望：

have agreed insured as an person in writing in a contract or agreement

内容的提问来源于stack exchange，提问作者user21785694