按指定规则替换普通空格为非断空格的Python实现求助

原始需求 #

需要批量处理目录中的文件，将普通空格按规则替换为非断空格（\u00A0）。例如句子"You need to walk 5 km."，需将数字5与单位km之间的空格替换为非断空格。

现有代码会替换所有符合单位+空格的内容，无法精准定位目标空格：

import os

unites = ['km', 'm', 'cm', 'mm', 'mi', 'yd', 'ft', 'in']

# iterate and read all files in the directory
for file in os.listdir():
    # check if the file is a file
    if os.path.isfile(file):
        # open the file
        with open(file, 'r', encoding='utf-8') as f:
            # read the file
            content = f.read()
            # search for exemple in the file
            for i in unites:
                if i in content:
                    # find the next character after the unit
                    next_char = content[content.find(i) + len(i)]
                    # check if the next character is a space
                    if next_char == ' ':
                        # replace the space with a non-breaking space
                        content = content.replace(i + ' ', i + '\u00A0')

补充扩展需求 #

希望实现更复杂的替换规则：

• 句子"Can the search be hypothetical?"中，将hypothetical与?之间的空格替换为非断空格；
• 句子"In the search it is necessary to refer to the "{figure 1.12}"中，将{与figure、figure与1.12、1.12与}之间的所有空格替换为非断空格。

尝试编写的代码存在语法和逻辑问题：

units = ['km', 'm', 'cm', 'mm', 'mi', 'yd', 'ft', 'in']
units_before_after = ['{']

nbsp = '\u00A0'

rgx = re.sub(r'(\b\d+)(%s) (%s)\b'%(units, units_before_after),r'\1%s\2'%nbsp,text))

print(rgx)

所有需求可通过正则表达式精准匹配目标位置实现，避免全局替换的误操作。以下是分场景的实现代码：

1. 数字与单位间的非断空格替换 #

匹配数字（支持小数）+空格+单位的结构，仅替换两者间的空格：

import os
import re

units = ['km', 'm', 'cm', 'mm', 'mi', 'yd', 'ft', 'in']
nbsp = '\u00A0'
# 生成正则模式：匹配数字+空格+单位，单位作为整词匹配
unit_pattern = re.compile(r'(\d+\.?\d*) (%s)\b' % '|'.join(units))

# 遍历目录文件
for file in os.listdir():
    if os.path.isfile(file):
        with open(file, 'r', encoding='utf-8') as f:
            content = f.read()
        # 替换匹配到的空格为非断空格
        content = unit_pattern.sub(r'\1%s\2' % nbsp, content)
        # 写回文件（如需备份原文件，可先复制再覆盖）
        with open(file, 'w', encoding='utf-8') as f:
            f.write(content)

2. 单词与问号间的非断空格替换 #

匹配字母单词+空格+问号的结构，替换中间空格：

question_pattern = re.compile(r'([a-zA-Z]+) \?')
content = question_pattern.sub(r'\1%s?' % nbsp, content)

3. 花括号内所有空格替换为非断空格 #

匹配花括号包裹的内容，将内部所有空格替换：

brace_pattern = re.compile(r'({[^}]+})')
def replace_brace_spaces(match):
    return match.group(1).replace(' ', nbsp)

content = brace_pattern.sub(replace_brace_spaces, content)

整合所有规则的完整代码 #

import os
import re

units = ['km', 'm', 'cm', 'mm', 'mi', 'yd', 'ft', 'in']
nbsp = '\u00A0'

# 预编译所有正则模式
unit_pattern = re.compile(r'(\d+\.?\d*) (%s)\b' % '|'.join(units))
question_pattern = re.compile(r'([a-zA-Z]+) \?')
brace_pattern = re.compile(r'({[^}]+})')

def replace_brace_spaces(match):
    return match.group(1).replace(' ', nbsp)

# 处理目录下所有文件
for file in os.listdir():
    if os.path.isfile(file):
        with open(file, 'r', encoding='utf-8') as f:
            content = f.read()
        
        # 依次应用所有替换规则
        content = unit_pattern.sub(r'\1%s\2' % nbsp, content)
        content = question_pattern.sub(r'\1%s?' % nbsp, content)
        content = brace_pattern.sub(replace_brace_spaces, content)
        
        with open(file, 'w', encoding='utf-8') as f:
            f.write(content)

内容的提问来源于stack exchange，提问作者Satanas