Part.I Introduction
在编辑文本的过程中，尤其是在 COPY 的过程中，经常会遇到如下问题：
- 源文本数字与英文字母之间没有空格
- 源文本中文与英文之间没有空格
- 源文本中有很多空行
- …
如果没有空格的话，看起来很紧凑，不美观。作为一个强迫症患者，每次我都要一个一个地把空格敲上去。有一天，我实在受不了这枯燥的工作了，我想能不能让计算机自动来完成这项简单且枯燥的工作呢？通过一些摸索，我找到了一种完美的解决方案，本文将对其进行简单的介绍。
Part.II 使用方法
首先需要安装两个 Python 的三方库：正则表达式处理库 re、美化中文排版工具“盘古” pangu
pip install re
pip install -U pangu
Chap.I 直接处理字符串
所用到的函数为：
import re
import pangu
def add_space_between_content(original_text):
processed_text = pangu.spacing(original_text)
pattern = r'([a-zA-Z]+)(\d+)' # Letters before numbers
def add_space(match):
return match.group(1) + ' ' + match.group(2)
processed_text = re.sub(pattern, add_space, processed_text)
pattern = r'(\d+)([a-zA-Z]+)' # Numbers followed by letter
processed_text = re.sub(pattern, add_space, processed_text)
pattern = r"\n\s*\n" # null string 空行
processed_text = re.sub(pattern, "\n", processed_text)
return processed_text
调用示例：
original_text = f"""Datawhale是一个专注于Data Science与AI领域的开源组织，汇集了众多领域院校和知名企业的优秀学习者，\
聚合了一群有开源精神和探索精神的团队成员。
双语字幕视频：吴恩达x OpenAI的Prompt Engineering课程专业翻译版
测试1.2数字test1.3ce1.4测试"""
print(original_text)
print("-" * 60)
result2 = add_space_between_content(original_text)
print(result2)
输出结果：
Datawhale是一个专注于Data Science与AI领域的开源组织，汇集了众多领域院校和知名企业的优秀学
习者，聚合了一群有开源精神和探索精神的团队成员。
双语字幕视频：吴恩达x OpenAI的Prompt Engineering课程专业翻译版
测试1.2数字test1.3ce1.4测试
----------------------------------------------------------------------------------------------------
Datawhale 是一个专注于 Data Science 与 AI 领域的开源组织，汇集了众多领域院校和知名企业的
优秀学习者，聚合了一群有开源精神和探索精神的团队成员。
双语字幕视频：吴恩达 x OpenAI 的 Prompt Engineering 课程专业翻译版
测试 1.2 数字 test 1.3 ce 1.4 测试
Chap.II 处理文件
所用到的函数（上面的 add_space_between_content 加下面的）
def add_space_between_content_file(fin,fout):
f = open(fin, encoding= 'utf-8', errors = 'ignore')
original_text = f.read()
f.close()
modified_string = add_space_between_content(original_text)
f1 = open(fout, 'w', encoding= 'utf-8', errors = 'ignore')
f1.write(modified_string)
f1.close()
调用示例：
f1=r'A:\OHanlon\Desktop\a.txt'
f2=r'A:\OHanlon\Desktop\b.txt'
add_space_between_content_file(f1,f2)
测试所用源文件
本测试名为“普通话水平测试”（PUTONGHUA SHUIPING CESHI，缩写为PSC)。
(一)读单音节字词 普通话水平测试单音共有100个音节（不包括轻声、儿化音节），限时3.5分钟，共10分。
1.目的：
测查应试人声母、韵母、声调读音标准程度。
2.要求：
（1）100个音节中，70%选自《普通话水平测试用普通话词语表》“表一”，30%选自“表二”。
（2）100个音节中，每个声母出现次数一般不少于3次，每个韵母出现次数一般不少于2次，4个声调出现次数大致均衡。
（3）音节的排列要避免同一测试要素连续出现。
3.评分：
（1）语音错误，每个音节扣0.1分；
（2）语音缺陷，每个音节扣0.05分；
（3）超时1分钟以内，扣0.5分，超时1分钟以上（含1分钟），扣1分。
输出文件
本测试名为 “普通话水平测试”（PUTONGHUA SHUIPING CESHI，缩写为 PSC)。
(一) 读单音节字词 普通话水平测试单音共有 100 个音节（不包括轻声、儿化音节），限时 3.5 分钟，共 10 分。
1. 目的：
测查应试人声母、韵母、声调读音标准程度。
2. 要求：
（1）100 个音节中，70% 选自《普通话水平测试用普通话词语表》“表一”，30% 选自 “表二”。
（2）100 个音节中，每个声母出现次数一般不少于 3 次，每个韵母出现次数一般不少于 2 次，4 个声调出现次数大致均衡。
（3）音节的排列要避免同一测试要素连续出现。
3. 评分：
（1）语音错误，每个音节扣 0.1 分；
（2）语音缺陷，每个音节扣 0.05 分；
（3）超时 1 分钟以内，扣 0.5 分，超时 1 分钟以上（含 1 分钟），扣 1 分。
Part.III Source Code
整个源码如下：
import re
import pangu
def add_space_between_content(original_text):
processed_text = pangu.spacing(original_text)
pattern = r'([a-zA-Z]+)(\d+)' # Letters before numbers
def add_space(match):
return match.group(1) + ' ' + match.group(2)
processed_text = re.sub(pattern, add_space, processed_text)
pattern = r'(\d+)([a-zA-Z]+)' # Numbers followed by letter
processed_text = re.sub(pattern, add_space, processed_text)
pattern = r"\n\s*\n" # null string 空行
processed_text = re.sub(pattern, "\n", processed_text)
return processed_text
def add_space_between_content_file(fin,fout):
f = open(fin, encoding= 'utf-8', errors = 'ignore')
original_text = f.read()
f.close()
modified_string = add_space_between_content(original_text)
f1 = open(fout, 'w', encoding= 'utf-8', errors = 'ignore')
f1.write(modified_string)
f1.close()
original_text = f"""Datawhale是一个专注于Data Science与AI领域的开源组织，汇集了众多领域院校和知名企业的优秀学习者，\
聚合了一群有开源精神和探索精神的团队成员。
双语字幕视频：吴恩达x OpenAI的Prompt Engineering课程专业翻译版
测试1.2数字test1.3ce1.4测试"""
print(original_text)
print("-" * 60)
result2 = add_space_between_content(original_text)
print(result2)
f1=r'A:\OHanlon\Desktop\a.txt'
f2=r'A:\OHanlon\Desktop\b.txt'
add_space_between_content_file(f1,f2)