去除空行与空格

从 PDF、网页、Word 里复制出来的文字，往往夹着一堆看不见的东西：多余的空行、行尾的空格、全角空格、Tab、零宽字符、BOM。这页把这些清理规则列成一排开关，勾几条就同时跑几条，按从上到下的顺序依次处理，右边实时显示清掉了多少字符。

全角空格不是空格

中文输入法下按空格打出来的是全角空格 U+3000，宽度和一个汉字一样。它在正则里不被 \s 匹配（旧版 JS 引擎尤其如此），所以用常规的 trim 去不掉，很多「明明去过空格还是对不齐」的问题就出在这里。段首那两个缩进空格通常也是它。

零宽字符与 BOM

零宽空格 U+200B、零宽连接符 U+200C/200D、字节序标记 U+FEFF 这些字符完全不显示，但会让字符串比较失败、让 JSON 解析报错、让 Excel 匹配不上。从网页复制的内容、某些工具导出的 CSV 里很常见。这一条专门清理它们——想反过来利用它们藏信息，看 零宽字符隐写。

  不换行空格

U+00A0 是 HTML 里   对应的字符，从网页复制文字时大量出现。它看着是空格，但在很多语言的 trim 和 split 里不算空白，拿去做数据匹配会莫名其妙对不上。

智能合并是怎么判断的

从 PDF 里复制的段落常常每隔几十个字就被硬折一行。这一条会把上一行不以句末标点结尾（。！？.!?:；等）、且下一行不是空行、不是以列表符号或数字序号开头的两行接起来；中文之间直接相连，英文之间补一个空格。它不会碰真正的段落分隔（空行）和明显的列表项。

规则的执行顺序

按页面上从上到下的顺序依次执行：先处理空行，再处理空格，然后是特殊空白，最后才是换行合并。所以「去掉所有空行」和「全部合并成一行」同时勾选时，是先删空行再合并。如果想要别的顺序，分两次跑——点「用结果替换原文」就能接着处理。

相关工具

文本去重、文本行处理、文本截取与拼接、文本批量替换、中英文自动加空格、文本批量提取。