需求
在pdf转为文本的时候，经常会多出空格，影响数据观感，因此需要去掉文本中多余的空格，而文本中的英文之间的正常空格需要保留，输入输出如下：
input：我今天 赚了 10 个亿，老百姓very happy。
output：我今天赚了10个亿，老百姓very happy。
代码
def clean_space(text):""""处理多余的空格"""match_regex = pile(u'[\u4e00-\u9fa5。\.,，:：《》、\(\)（）]{1} +(?<![a-zA-Z])|\d+ +| +\d+|[a-z A-Z]+')should_replace_list = match_regex.findall(text)order_replace_list = sorted(should_replace_list,key=lambda i:len(i),reverse=True)for i in order_replace_list:if i == u' ':continuenew_i = i.strip()text = text.replace(i,new_i)return text
