Remove Extra Spaces

ภาพรวม

"John Smith" กับ "John Smith" ดูเหมือนกันบนหน้าจอ แต่เป็นคนละค่าเมื่อจับคู่หรือนับ เทคนิคนี้ยุบช่องว่างที่ติดกันให้เหลือช่องเดียว โดยนับรวมช่องว่างชนิดพิเศษอย่าง non-breaking space และ zero-width space ซึ่งพบบ่อยในข้อมูลที่คัดลอกมาจากเว็บหรือ Excel

เมื่อไหร่ควรใช้

• ชื่อ ที่อยู่ หรือชื่อสินค้าที่พิมพ์เว้นวรรคไม่เท่ากัน
• ก่อนจับกลุ่มค่าหรือลบแถวซ้ำ เพื่อให้ค่าที่ควรเหมือนกันเทียบกันติด

เมื่อไหร่ไม่ควรใช้

• ข้อความที่เว้นวรรคมีความหมาย เช่น เนื้อหาโค้ด ตารางแบบคงความกว้าง หรือ ASCII art
• คอลัมน์รหัสที่ความยาวคงที่ การยุบช่องว่างจะทำให้ความยาวเปลี่ยน

หลักการทำงาน

1. อ่านเฉพาะค่าที่เป็นข้อความ ตัวเลขและ null ส่งกลับตามเดิม
2. แทนที่ช่องว่างที่ติดกันทุกชุดด้วยช่องว่างเดียว รวม \t,  , ​ และ 　
3. ช่องว่างหน้าและท้ายก็ถูกยุบเหลือหนึ่งช่องเช่นกัน แต่ไม่ถูกตัดทิ้ง — งานนั้นเป็นของ trim_whitespace

" A B " กลายเป็น " A B " ไม่ใช่ "A B" จึงมักใช้คู่กับ trim_whitespace เสมอ

Parameters

โค้ด Python / JavaScript

import json
import re

INNER = re.compile(r'[\s ​‌‍　]+')

def collapse_spaces(value):
    if not isinstance(value, str):
        return value
    return INNER.sub(' ', value)

values = [' A   B ', 'ไทย  ไทย', None, '  ']
result = [collapse_spaces(value) for value in values]
print(json.dumps(result, ensure_ascii=False))

ตัวอย่างการใช้งาน

คอลัมน์ full_name มีค่าไม่ซ้ำ 4,180 ค่าจาก 4,000 แถว ซึ่งเป็นไปไม่ได้ถ้าชื่อสะอาด รัน collapse_spaces ตามด้วย trim_whitespace แล้วดูจำนวนค่าไม่ซ้ำอีกครั้ง ถ้ายังสูงอยู่ แปลว่าปัญหาไม่ได้อยู่ที่ช่องว่าง ให้ไปดูตัวพิมพ์และการสะกดด้วย Cluster Review

เทคนิคที่เกี่ยวข้อง

ใช้คู่กับ trim_whitespace เสมอ ใช้ unicode_normalize เมื่อสงสัยว่ามีอักขระที่มองไม่เห็นปนอยู่ และใช้ find_similar_values ต่อเมื่อค่าต่างกันมากกว่าเรื่องช่องว่าง

• Trim Whitespace
• Unicode Normalize
• Find Similar Values

ลองใช้กับ Dataset ของคุณ