如何在Python中移除HTML文件的所有前导空白字符

你遇到的这个问题确实很常见——直接处理文本时，不同文件的缩进差异会让字符串匹配变得异常麻烦。不用慌，我们可以用Python的正则表达式来精准移除每行的前导空白，同时保留代码内部的空格，不会破坏代码结构。

具体实现步骤 #

• 读取文件内容：先把HTML文件的内容按行读取或者一次性读入内存。
• 正则替换前导空白：使用re.sub()函数，针对每行开头的空白字符（包括空格和制表符）进行替换。

示例代码 #

import re

# 读取HTML文件内容
with open('your_page.html', 'r', encoding='utf-8') as f:
    content = f.read()

# 统一换行符（避免不同系统换行格式干扰）
content = content.replace('\r\n', '\n')

# 移除每行的前导空白字符（空格、制表符都覆盖）
processed_content = re.sub(r'^\s+', '', content, flags=re.MULTILINE)

# 现在就可以执行你需要的字符串替换了
processed_content = processed_content.replace('</script>\n</body>', 'alert(1);\n</script>\n</body>')

# 将处理后的内容写回文件
with open('modified_page.html', 'w', encoding='utf-8') as f:
    f.write(processed_content)

关键细节说明 #

• r'^\s+'：这个正则表达式匹配每行开头的一个或多个空白字符（\s包含空格、制表符等所有空白类型）。
• flags=re.MULTILINE：这个参数让^匹配每行的开头，而不是整个字符串的开头，确保所有行的前导空白都被处理。
• 先统一换行符是为了避免不同系统（Windows/Linux）的换行格式差异，让后续的replace操作更稳定。

这样处理后，既统一了文本格式，又不会破坏代码内部的空格结构（比如var config = {里的空格会完整保留），完美解决你的匹配难题。

内容的提问来源于stack exchange，提问作者user4093955