如何用正则表达式移除两个小写字母间的空格？（OCR文本清洗）

你的问题出在使用str.replace()会替换所有相同的空格，而不是仅替换正则匹配到的、位于两个小写字母之间的空格。正确做法是用re.sub()直接在匹配位置完成替换。

可行代码 #

import re

noisy = "Hel lo, my na me is Mark."
# 匹配小写字母+空格+小写字母的组合，捕获前后的小写字母
clean = re.sub(r'([a-z])\s([a-z])', r'\1\2', noisy)

print(clean)
# 输出: Hello, my name is Mark.

代码说明 #

• 正则表达式r'([a-z])\s([a-z])'：
  • ([a-z])：捕获第一个小写字母，作为分组1
  • \s：匹配中间的空格
  • ([a-z])：捕获第二个小写字母，作为分组2
• re.sub()会把所有匹配到的该模式，替换为\1\2，也就是将两个捕获的小写字母直接拼接，去掉中间的空格。
• 如果需要兼容瑞典语特殊小写字母（如å、ä、ö），可将正则修改为r'([a-zåäö])\s([a-zåäö])'，确保这些字符也能被正确匹配。

内容的提问来源于stack exchange，提问作者steca