面试题：Python字符串空白处理：复杂场景应用

Question

假设你有一个包含多行文本的字符串，每行文本可能包含不同数量的空白字符（包括制表符、换行符等）。要求编写Python代码，将每一行文本进行如下处理：去除行首和行尾的所有空白字符，并且对于行内的空白字符，将连续的空白字符序列（包括不同类型的空白字符混合）统一替换为一个空格。同时，要处理可能出现的编码问题，确保代码在不同编码格式的字符串输入下都能正确工作。请详细说明实现思路以及涉及到的Python字符串处理函数和编码处理函数。

Answer 1

实现思路

1. 按行拆分字符串：使用 splitlines() 函数将字符串按行拆分成列表。
2. 处理每行文本：
   • 去除行首和行尾空白字符：使用 strip() 函数。
   • 替换行内连续空白字符为单个空格：使用 re 模块的 sub() 函数，通过正则表达式匹配连续的空白字符序列并替换为单个空格。
3. 处理编码问题：在读取和处理字符串时，确保使用合适的编码方式。在Python 3中，字符串默认以Unicode编码，处理时无需额外转换，但在读取文件或处理外部输入时，要指定正确的编码，如 open(file_path, 'r', encoding='utf-8')。

Python字符串处理函数

1. splitlines()：将字符串按行拆分成列表，行边界符（如 \n, \r, \r\n）会被忽略。
2. strip()：返回去除字符串开头和结尾空白字符的副本。
3. re.sub()：在字符串中使用正则表达式替换匹配的子字符串。

编码处理函数

1. open()：在读取文件时，通过 encoding 参数指定文件的编码格式，如 utf-8, gbk 等。

代码示例

import re


def process_text(text):
    lines = text.splitlines()
    processed_lines = []
    for line in lines:
        line = line.strip()
        line = re.sub(r'\s+',' ', line)
        processed_lines.append(line)
    return '\n'.join(processed_lines)

你可以使用以下方式调用函数处理不同编码格式的输入：

# 假设从文件读取，以UTF - 8编码为例
try:
    with open('input.txt', 'r', encoding='utf-8') as f:
        content = f.read()
        result = process_text(content)
        print(result)
except UnicodeDecodeError:
    # 如果UTF - 8编码失败，尝试GBK编码
    with open('input.txt', 'r', encoding='gbk') as f:
        content = f.read()
        result = process_text(content)
        print(result)