使用正则表达式将空白字符折叠为单个空格或换行符

核心思路 #

分两步处理，先统一合并含换行的空白块，再处理纯空格类空白：

1. 将所有包含换行符（\r/\n）的连续空白块替换为单个\n
2. 将**剩余不含换行的连续空白（空格、制表符等）**替换为单个空格
3. 最后去除首尾可能残留的空白字符

正则实现示例（以Python为例） #

import re

# 原始杂乱文本
raw_str = "\r\r     \r\n    \r\nSome interesting      text on line one...\r\n    And line two    \r\n"

# 第一步：合并含换行的空白块为单个\n
processed = re.sub(r'(?:[ \t]*(?:\r|\n)[ \t]*)+', '\n', raw_str)
# 第二步：合并纯空白为单个空格
processed = re.sub(r'[ \t]+', ' ', processed)
# 去除首尾空白（包括多余的\n）
final_result = processed.strip()

print(repr(final_result))
# 输出：'Some interesting text on line one...\nAnd line two'

正则说明 #

• 第一步正则(?:[ \t]*(?:\r|\n)[ \t]*)+：匹配被空格/制表符包围的一个或多个换行序列，确保所有连在一起的换行（不管中间夹了多少空格）都合并成一个\n
• 第二步正则[ \t]+：仅匹配不含换行的连续空白，替换为单个空格，避免破坏已经处理好的换行结构

其他语言适配 #

这个逻辑可以直接移植到支持正则的语言，只需调整正则替换的语法：

• JavaScript示例：

const rawStr = "\r\r     \r\n    \r\nSome interesting      text on line one...\r\n    And line two    \r\n";
let processed = rawStr.replace(/(?:[ \t]*(?:\r|\n)[ \t]*)+/g, '\n');
processed = processed.replace(/[ \t]+/g, ' ');
const finalResult = processed.trim();
console.log(finalResult);

内容的提问来源于stack exchange，提问作者Basic