原来空格不止空格、全角空格和 Tab 制表符，怎么还有这么多种空格啊。如果你也遇到了空格处理的问题，建议看看这篇空格的认识。

各种空格

起因是我前一阵正在用 Python 处理各种数据文件，但当我处理 txt 数据格式的时候出现了大量的错误，这些错误无一例外都指向的空格的问题。

我截取了一部分 txt 数据的截图。好家伙，空格、制表符、全角空格、零宽空格、无中断空格等各种样式应有尽有，怪不得我逐行读取的时候经常出错。因为我处理的数据 txt 格式大都是 UTF-8 编码格式，于是我就查了下 Unicode 标准。

在 Unicode 标准中，定义了多种空格字符，用于不同的语言和格式。以下是一些常见的空格字符及其 Unicode 编码：

Unicode: U+0020
Description: 标准半角空格。
不间断空格 (Non-breaking Space)

Unicode: U+00A0
Description: 用于保持文本中单词之间的空格不被断开。
全角空格 (Full-width Space)

Unicode: U+3000
Description: 用于东亚文字，与全角字符宽度相同。
零宽度空格 (Zero Width Space)

Unicode: U+200B
Description: 用于控制文本布局，不可见。
零宽度非换行空格 (Zero Width No-break Space)

Unicode: U+FEFF
Description: 也称为字节顺序标记（Byte Order Mark, BOM），在文本流的开始处使用。
零宽度连字 (Zero Width Joiner)

Unicode: U+200D
Description: 用于连接某些字符，如阿拉伯文字。
空格 (Space)

Unicode: U+1680
Description: 也称为Ogham空格标记，用于Ogham脚本。
窄空格 (Narrow No-Break Space)

Unicode: U+202F
Description: 比普通空格窄，不换行。
半角空格 (Medium Mathematical Space)

Unicode: U+205F
Description: 用于数学公式，比普通空格宽。
六分空格 (Six-per-em Space)

Unicode: U+2002
Description: 约等于半个普通空格的宽度。
四分空格 (Four-per-em Space)

Unicode: U+2005
Description: 约等于四分之一个普通空格的宽度。
数字空格 (Figure Space)

Unicode: U+2007
Description: 用于数字之间的空格，与数字宽度相同。

这些空格字符在文本处理和排版中有着不同的用途。例如，不间断空格用于确保网址和电子邮件地址在文本中不被断开；全角空格则用于匹配日文、中文等语言中的全角字符宽度等。

编码与空格

ASCII

• 定义：最早的字符编码标准，仅使用 7 位表示 128 个字符，包括英文字母、数字、基本符号和控制字符。
• 空格：仅包含普通空格 (U+0020)，没有其他特殊空格。

GBK

• 定义：主要用于简体中文的编码，向下兼容 ASCII，扩展了汉字和全角字符（包括标点和空格）。
• 空格：普通空格 (U+0020) 和全角空格 (U+3000) 都被包含，不包含 Unicode 的其他特殊空格字符。

UTF-8

• 定义：Unicode 的一种可变长度编码方式，广泛使用，向后兼容 ASCII，编码范围覆盖全球所有字符。
• 空格：能表示 Unicode 定义的所有空格字符（如普通空格、不间断空格、零宽度空格等）。普通空格 (U+0020) 在 UTF-8 中为单字节，其他空格字符编码长度根据其 Unicode 值不同。

Unicode

• 定义：全球通用的字符集标准，给每个字符分配唯一的编码（Code Point）。
• 空格：定义了所有类型的空格，包括普通空格 (U+0020)、全角空格 (U+3000)、不间断空格 (U+00A0)、零宽度空格 (U+200B) 等。

各种空格与这些编码的关系整理如下表：

正则匹配空格

知道原因了，就用正则匹配去解决：

[\p{Zs}\u200B\uFEFF\u2000-\u200A\u202F\u205F\u3000]

• \p{Zs}: 匹配所有的标准空格字符；
• \u200B: 零宽度空格；
• \uFEFF: 零宽度非换行空格（字节顺序标记）；
• \u2000-\u200A: 范围匹配其他宽度的空格字符（如六分空格、四分空格等）；
• \u202F: 窄空格；
• \u205F: 数学空格；
• \u3000: 全角空格。

例如使用 Python 进行正则匹配空格：

import re

# 文本示例
text = "普通 空格\u3000全角空格\u00A0不间断空格\u200B零宽度空格"

# 匹配所有空格
pattern = r"[\p{Zs}\u200B\uFEFF\u2000-\u200A\u202F\u205F\u3000]"
matches = re.findall(pattern, text, flags=re.UNICODE)

# 输出匹配结果
print(matches)

在处理文本数据时，经常会遇到不同类型的空格字符。除了最常见的半角空格（ASCII 码为 32）之外，还有全角空格（Unicode 编码为 \u3000）。这两种空格虽然在视觉上看起来相同，但在计算机内部表示却不一样，因此在进行字符串处理时需要注意区分。