如何用Perl正则匹配各类空格但排除制表符以处理TSV文件

完全不用拆分TSV的列就能一次性处理整个文件——关键是利用Perl对Unicode空白字符的支持，精准匹配所有非制表符的空白类字符，然后统一归一化。

核心思路 #

Perl的正则支持\p{White_Space}属性，它能匹配所有Unicode标准定义的空白字符（包括non-breaking space、em-space、en-space、普通空格等），同时我们可以通过字符类减法或负向断言排除作为字段分隔符的制表符\t，这样就能在不触动列结构的前提下，把所有其他空白统一替换成你需要的格式（比如单个普通空格）。

最简洁的命令行实现（Perl 5.18+） #

如果你的Perl版本是5.18或更新（现在大部分系统都是），可以直接用字符类减法来精准筛选目标空白：

perl -CSD -pe 's/[\p{White_Space}--\t]+/ /g' input.tsv > output.tsv

参数说明： #

• -CSD：强制Perl以UTF-8编码处理输入、输出和文件名，确保能正确识别各类Unicode空白字符；
• -pe：循环读取输入文件的每一行，执行替换后直接打印到输出；
• 正则[\p{White_Space}--\t]+：匹配一个或多个「属于Unicode空白类，但不是制表符」的字符，替换成单个普通空格，实现归一化。

兼容旧版Perl的写法（5.18以下） #

如果你的Perl版本较旧，不支持字符类减法，改用负向预查也能达到同样效果：

perl -CSD -pe 's/(?!\t)\p{White_Space}+/ /g' input.tsv > output.tsv

这里(?!\t)是负向预查，确保当前匹配的空白字符不是制表符，同样能精准排除列分隔符。

进阶：保留换行符（避免破坏行结构） #

如果担心替换操作影响TSV的行分隔（默认是换行符），可以进一步排除\n和\r：

perl -CSD -pe 's/[\p{White_Space}--\t\n\r]+/ /g' input.tsv > output.tsv

这样只会处理每行内部的非制表符空白，完全保留TSV的行和列结构。

为什么这个方法可行？ #

整个操作是直接对文件的每行文本做全局替换，没有拆分任何列——制表符\t被完全排除在匹配范围外，所以TSV的字段分隔逻辑丝毫不受影响，既高效又安全。

内容的提问来源于stack exchange，提问作者user5168448