Como pesquisar ocorrências de mais de um espaço entre palavras em uma linha

109

1. this is a line containing  2 spaces
2. this is a line containing   3 spaces
3. this is a line containing multiple spaces first  second   three   four

Todos os itens acima são correspondências válidas para este regex. Qual regex devo usar?

regex eclipse replace

— Sam
fonte

Você está tentando verificar os espaços em branco consecutivos ou todos os espaços nessa linha?

— Sachin Shanbhag

espaços em branco consecutivos, nem todos os espaços

— Sam,

1

O que exatamente você quer dizer com "entre palavras"? Em dois de seus exemplos, existem vários espaços entre uma palavra e um dígito. E quanto à pontuação (por exemplo, você deseja combinar vários espaços após um ponto e antes da próxima palavra)? E quanto aos espaços antes / depois do último caractere em uma linha? Você deseja corresponder as guias também? E quanto às linhas que consistem em nada além de espaços em branco?

— Tim Pietzcker,

espaços entre "contendo e 2", "contendo e 3", "primeiro e segundo", "segundo e três" ... Sim, eu quero combinar os espaços após um ponto e antes da próxima palavra.

— Sam,

180

[ ]{2,}

ESPAÇO (2 ou mais)

Você também pode verificar se antes e depois desses espaços vêm as palavras. (não outros espaços em branco, como guias ou novas linhas)

\w[ ]{2,}\w

o mesmo, mas você também pode escolher (capturar) apenas os espaços para tarefas como substituição

\w([ ]{2,})\w

ou veja que antes e depois dos espaços há qualquer coisa, não apenas caracteres de palavras (exceto espaços em branco)

[^\s]([ ]{2,})[^\s]

— AlexanderMP
fonte

1

\wsignifica 'caracteres de palavra', ou seja, alfanuméricos e sublinhados, mas não outros caracteres que não sejam espaços. Para verificar se há espaços não em branco, use \S(S maiúsculo). Além disso, o primeiro corresponderá apenas a linhas que contenham dois ou mais espaços e nada mais.

— tdammers

Tentei desenvolver a questão. Percebi que perdi o que você falou \S, só prefiro não contar com maiúsculas e minúsculas para essa funcionalidade, é mais fácil de ler.

— AlexanderMP

1

Por que você está usando âncoras? Ele está procurando espaços embutidos em algum lugar nas linhas.

— Tim Pietzcker,

nenhuma razão particular. A princípio pensei que precisava deles, então arrastei-os ao longo do processo. Na verdade, você está certo ao dizer que estou errado em usá-los neste caso. Vou editar minha resposta imediatamente.

— AlexanderMP

1

\w[ ]{2,}\wirá falhar na correspondência word.<2 spaces>more wordsou uma string que consiste inteiramente em espaços. [^\s]([ ]{2,})[^\s]\wfalhará em linhas que começam com espaços ou strings como bla<2 spaces>....

— Tim Pietzcker,

12

Solução simples:

/\s{2,}/

Isso corresponde a todas as ocorrências de um ou mais caracteres de espaço em branco. Se você precisar corresponder a toda a linha, mas apenas se ela contiver dois ou mais caracteres de espaço em branco consecutivos:

/^.*\s{2,}.*$/

Se os espaços em branco não precisam ser consecutivos:

/^(.*\s.*){2,}$/

— tdammers
fonte

O .*geralmente é ganancioso, o que significa que chegará ao final da string testada, e tudo o que se segue, se houver caracteres obrigatórios, não corresponderá. Normalmente, neste caso, é uma boa prática adicionar ?, como este .*?. Aconteceu comigo usando o PCRE do PHP

— AlexanderMP

Combina. "Greedy" significa que corresponde ao máximo possível, embora ainda corresponda ao padrão como um todo. /^.*b.*$/na verdade corresponde "foobar", embora você esperasse que o primeiro greedy já .*correspondesse à string inteira.

— tdammers

9

Este regex seleciona todos os espaços, você pode usar isso e substituí-lo por um único espaço

\s+

exemplo em python

result = re.sub('\s+',' ', data))

— Owen Yuwono
fonte

4

Pesquise [ ]{2,}. Isso encontrará dois ou mais espaços adjacentes em qualquer lugar dentro da linha. Ele também corresponderá aos espaços à esquerda e à direita, bem como às linhas que consistem inteiramente em espaços. Se você não quer isso, verifique a resposta de Alexander.

Na verdade, você pode omitir os colchetes, eles são apenas para maior clareza (caso contrário, o caractere de espaço que está sendo repetido não é tão bem visível :)).

O problema com \s{2,}é que ele também corresponderá às novas linhas nos arquivos do Windows (onde as novas linhas são indicadas por CRLFou \r\nque correspondem a \s{2}.

Se você também deseja encontrar várias tabulações e espaços, use [ \t]{2,}.

— Tim Pietzcker
fonte

more than one space between words in a line. Como estão as [ ]{2,}palavras? Você ao menos leu a pergunta?

— AlexanderMP

É por isso que me referi à sua resposta, caso o OP realmente queira ser tão rígido quanto está escrevendo. Talvez devêssemos perguntar a ele.

— Tim Pietzcker,

2

Aqui está minha solução

[^0-9A-Z,\n]

Isso removerá todos os dígitos, vírgulas e novas linhas, mas selecionará o espaço do meio, como conjunto de dados de

20171106,16632 ESCG0000018SB
20171107,280 ESCG0000018SB
20171106,70476 ESCG0000018SB

— Ojitha
fonte