Python中如何编写脚本自动修正中文英文混合排版中的全半角与空格问题

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
中文英文混合排版自动修正脚本
功能：全半角转换、中英文空格规范化
"""

import re

def normalize_text(text):
    """
    主处理函数：执行全半角转换和空格规范化
    
    处理规则：
    1. 全角字母数字 -> 半角
    2. 半角标点 -> 全角（中文语境常用标点）
    3. 中英文间添加空格
    4. 清理多余空格
    """
    
    # 全角字符转半角（字母、数字）
    def full_to_half(char):
        code = ord(char)
        if 0xFF01 <= code <= 0xFF5E:  # 全角字符范围
            return chr(code - 0xFEE0)
        elif code == 0x3000:  # 全角空格
            return ' '
        return char
    
    # 半角标点转全角（常见中文标点）
    def half_to_full_punct(char):
        punct_map = {
            ',': '，',
            '.': '。',
            ':': '：',
            ';': '；',
            '!': '！',
            '?': '？',
            '(': '（',
            ')': '）',
            '[': '【',
            ']': '】',
            '<': '《',
            '>': '》'
        }
        return punct_map.get(char, char)
    
    # 第一步：全角字母数字转半角
    text = ''.join(full_to_half(c) for c in text)
    
    # 第二步：中文标点半角转全角
    text = ''.join(half_to_full_punct(c) for c in text)
    
    # 第三步：中英文间添加空格
    # 中文后接英文（排除已存在的空格）
    text = re.sub(r'([\u4e00-\u9fff])([a-zA-Z])', r'\1 \2', text)
    # 英文后接中文（排除已存在的空格）
    text = re.sub(r'([a-zA-Z])([\u4e00-\u9fff])', r'\1 \2', text)
    
    # 第四步：清理多余空格（保留中英文间的单个空格）
    # 合并连续空格
    text = re.sub(r'[ \t]+', ' ', text)
    # 移除中文间的空格（中文字符间的空格）
    text = re.sub(r'([\u4e00-\u9fff])[ ]+([\u4e00-\u9fff])', r'\1\2', text)
    # 移除全角标点前的空格
    text = re.sub(r'[ ]+([，。：；！？）】》])', r'\1', text)
    # 移除全角标点后的空格
    text = re.sub(r'([（【《])[ ]+', r'\1', text)
    
    return text.strip()

def process_file(input_file, output_file=None):
    """处理文件"""
    with open(input_file, 'r', encoding='utf-8') as f:
        content = f.read()
    
    result = normalize_text(content)
    
    if output_file:
        with open(output_file, 'w', encoding='utf-8') as f:
            f.write(result)
        print(f"处理完成，结果已保存到: {output_file}")
    else:
        print("处理结果:")
        print("-" * 40)
        print(result)
        print("-" * 40)

# 使用示例
if __name__ == "__main__":
    # 示例文本
    test_text = """
    这是一段测试文本,包含全半角混合问题。
    Ｈｅｌｌｏ　Ｗｏｒｌｄ！这是全角英文。
    半角数字:123,全角数字:１２３。
    中英文混合:Python很棒!
    多余空格问题：这  是   测试。
    """
    
    print("原始文本:")
    print(test_text)
    print("\n处理后文本:")
    print(normalize_text(test_text))
    
    # 处理文件示例（取消注释使用）
    # process_file("input.txt", "output.txt")

这个脚本的核心逻辑分四步：先把全角字母数字转成半角，再把中文标点转成全角，然后在中英文之间加上合适的空格，最后清理多余的空格。正则表达式处理中英文边界，标点映射表处理全半角转换。

用的时候直接调normalize_text()函数就行，传进去要处理的字符串，返回修正后的结果。文件处理可以用process_file()函数。

简单说就是四步转换：全角转半角、标点规范化、加空格、清空格。

「有研究显示，打字的时候不喜欢在中文和英文之间加空格的人，感情路都走得很辛苦，有七成的比例会在 34 岁的时候跟自己不爱的人结婚，而其余三成的人最后只能把遗产留给自己的猫。毕竟爱情跟书写都需要适时地留白。与大家共勉之。」赞一个！