别让你的文本缺少分寸感：巧用正则表达式批量给中英文数字加空格

2024-03-04 03:39:35

在中文文本中，我们常常会遇到中英文、数字混排的情况，比如“你好，5月20日12:30有一场会议。”或“The meeting is on May 20th, 12:30.”。从专业的角度来看，在中文、英文和数字之间添加空格可以提升文本的可读性和美观度，使其更符合排版规范。然而，手动一个个添加空格无疑是件费时费力的工作，尤其是在面对大量文本的时候。这时候，正则表达式就派上用场了，它可以帮助我们高效地批量添加空格，解放双手。

正则表达式，简单来说，就是一种用来文本模式的工具。它就像一把筛子，可以根据我们设定的规则，筛选出符合条件的文本片段。针对中文、英文和数字之间添加空格的需求，我们可以设计一个特定的正则表达式来匹配这些文本模式。

一个可行的正则表达式可以是这样的：([\u4e00-\u9fa5]+)([\d]+)([\w]+)。

我们来拆解一下这个表达式：

[\u4e00-\u9fa5]+：这部分用来匹配一个或多个连续的中文字符。\u4e00和\u9fa5分别代表Unicode编码中汉字的起始和结束位置。
[\d]+：这部分用来匹配一个或多个连续的数字字符。\d代表任意数字。
[\w]+：这部分用来匹配一个或多个连续的英文字母或数字。\w代表字母、数字或下划线。

将这三部分用括号括起来，就形成了三个捕获组，分别对应中文、数字和英文部分。

找到这些文本模式后，我们需要将它们用空格分隔开。这时就需要用到替换功能，替换表达式可以写成：$1 $2 $3。

$1：代表第一个捕获组，也就是中文部分。
$2：代表第二个捕获组，也就是数字部分。
$3：代表第三个捕获组，也就是英文部分。

通过这个替换表达式，我们就可以在匹配到的中文、数字和英文之间插入空格了。

下面我们来看一个具体的例子，假设有这样一段文本：“你好，5月20日12:30有一场会议。”，我们可以用Python代码来实现批量添加空格：

import re

text = "你好，5月20日12:30有一场会议。"
pattern = r"([\u4e00-\u9fa5]+)([\d]+)([\w]+)"
result = re.sub(pattern, r"\1 \2 \3", text)
print(result)

运行这段代码，输出结果为：“你好，5月 20日 12:30有一场会议。”，可以看到，中文、数字和英文之间已经成功添加了空格。

如果需要处理多个文本，只需要将它们放到一个列表里，然后循环处理即可：

import re

texts = ["你好，5月20日12:30有一场会议。", "The meeting is on May 20th, 12:30."]
pattern = r"([\u4e00-\u9fa5]+)([\d]+)([\w]+)"

for text in texts:
    result = re.sub(pattern, r"\1 \2 \3", text)
    print(result)

通过正则表达式，我们可以轻松地批量处理文本，提升文本的规范性和美观度，让文字的细节更显精致。