Python 正则清理空格分隔单数字并保留多位数日期的方案

直接通过零宽断言锁定符合规则的数字片段，配合re.sub一次替换即可完成处理，无需多轮遍历或复杂逻辑。

import re

def merge_single_digits(text: str) -> str:
    # 匹配被非数字/字符串边界包裹的、空格分隔的连续单个数字序列
    pattern = r'(?<!\d)(\d(?: \d)+)(?!\d)'
    # 替换时仅删除匹配片段内的所有空格
    return re.sub(pattern, lambda match: match.group().replace(' ', ''), text)

效果验证 #

# 原问题给出的样例
text1 = "0 1 loren ipsum 1 2 3 dolor sit 4 5 6 amet -7 8 9 1- date 13 06 2022"
print(merge_single_digits(text1))
# 输出：01 loren ipsum 123 dolor sit 456 amet -7891- date 13 06 2022，完全匹配预期结果

# 日期边界测试样例
text2 = "1 1 1970"
print(merge_single_digits(text2))
# 输出：11 1970，符合规则要求

# 其他边界场景测试
text3 = "a 2 3 4 b 56 7 8 c 90"
print(merge_single_digits(text3))
# 输出：a 234 b 56 78 c 90，多数字组成的号段不受影响

正则逻辑说明 #

• (?<!\d)：负向后行断言，只做位置校验、不占用匹配内容，保证匹配片段的起始位置前没有其他数字，避免误匹配多位数的后半段，同时天然支持字符串开头的数字序列匹配
• \d(?: \d)+：核心匹配规则，匹配1个单个数字后接1组或多组「空格+单个数字」的结构，刚好对应需要合并的连续单数字片段
• (?!\d)：负向前瞻断言，保证匹配片段的结束位置后没有其他数字，避免误匹配多位数的前半段，同时支持字符串结尾的数字序列匹配

之前使用的正则问题在于前置的(.*?\D)捕获组把非数字前缀纳入了匹配范围，不仅无法匹配字符串开头的数字，替换时还要额外处理捕获组内容的保留，逻辑冗余，用零宽断言做边界校验就能直接绕开这个问题。
如果追求极致性能不想用lambda回调，也可以写纯替换式正则，但可读性会明显下降，对于OCR文本处理场景，当前写法的可维护性和性能完全够用。

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