如何用C#正则表达式清理OCR文本中的单个字符与孤立空格？

问题分析 #

你遇到的是OCR识别后文本中存在孤立单个字符的问题，这些错误字符的特征是：

• 位置随机，可能在行首、行尾或文本中间
• 前后至少有空格（或处于行首/行尾）
• 正常有效标签单词长度都≥2个字母

之前的正则错误在于误匹配了正常单词的末尾字符+空格，导致破坏了合法单词的结构，比如把"Open Hours"改成"OpeHours"。

正确正则解决方案 #

可以通过两步正则替换来解决，既保留合法单词，又清理所有孤立错误字符：

步骤1：清理所有孤立的单个字符（包括特殊符号）

使用这个正则替换，匹配所有被空格包围或处于行首/行尾的单个字符，替换为空格：

string step1 = Regex.Replace(inputText, @"(?:^|\s)[^\s]{1}(?:\s|$)", " ", RegexOptions.Multiline);

• (?:^|\s)：匹配行首或者空格（非捕获组，避免干扰替换）
• [^\s]{1}：匹配任意单个非空格字符（覆盖字母、数字、特殊符号如^@等）
• (?:\s|$)：匹配空格或者行尾

步骤2：清理多余空格并去除首尾空格

把连续的多个空格替换成单个空格，再去掉文本首尾的空格：

string finalResult = Regex.Replace(step1, @"\s+", " ").Trim();

验证效果 #

用你的测试输入验证：

• 输入m Rose → 步骤1后变为 Rose → 步骤2后得到Rose
• 输入a a m a this test b c z ^ @ → 步骤1后变为 this test → 步骤2后得到this test
• 输入k This Bigger k → 步骤1后变为 This Bigger → 步骤2后得到This Bigger
• 输入Great m z → 步骤1后变为Great → 步骤2后得到Great
• 输入One Big Good Word This IS About AS LRG Possible and good one → 无孤立单个字符，处理后保持原内容不变

为什么之前的正则不行？ #

你之前的正则@"([0-9a-zA-Z]{1}) ([0-9a-zA-Z]{2,100})?"会匹配单个字母+空格+可选长单词，比如"Open Hours"里的"n Hours"会被匹配，捕获组$2是"Hours"，替换后就变成"OpeHours"，本质是没有区分「孤立的单个字符」和「单词末尾的字符」，所以会破坏正常单词。

内容的提问来源于stack exchange，提问作者mxdog