HTML中显示多个空格应使用 （不换行空格），因其不会被浏览器合并；其他空格字符如 、 、 宽度不同；正则清理需显式包含\u00A0等Unicode空白符。
HTML 里怎么输入真正的空格字符
网页中连续的普通空格会被浏览器自动合并成一个，想显示多个空格或保留格式，不能只敲空格键。最常用且语义清晰的方式是用 （non-breaking space），它不会被折叠，也不会换行。
其他可选方案包括：
-
-
-
- 用
包裹整段文本——但会改变字体和行高，适合代码块等场景
正则替换 HTML 空格时为什么总漏掉
因为 不是 ASCII 空格（\x20），也不是 Unicode 空白符（\s 匹配不到它）。它本质是一个 HTML 实体，解析后是 Unicode 字符 \u00A0（NO-BREAK SPACE）。
所以如果你用 /\s+/g 去清理空格， 会原封不动留下；而用 / /g 只能匹配纯空格，对 、 、\u2002、\u2003 等也无效。
立即学习“前端免费学习笔记（深入）”；
安全做法是显式覆盖常见空白字符：
/[\s\u00A0\u2000-\u200F\u2028\u2029\u202F\u205F\u3000]+/g
其中：
-
\s：制表符、换行、回车、垂直制表等 -
\u00A0：对应 -
\u2000-\u200F：包括\u2002）、\u2003）、\u2009）等 -
\u3000：中文全角空格（常见于用户粘贴内容）
用 JavaScript 替换前要不要先解码 HTML 实体
要看你处理的是原始 HTML 字符串，还是 DOM 中已渲染的文本内容。
如果字符串里还带着 这种实体写法（比如从 innerHTML 拿到的），正则直接匹配 字面量即可：
htmlStr.replace(/ /g, ' ')
但如果已经用 textContent 或 innerText 提取过文本，那 就变成了 \u00A0，此时必须用 Unicode 方式匹配。
常见踩坑点：
- 混用
innerHTML和textContent导致正则对象不一致 - 没考虑富文本编辑器（如 TinyMCE、Quill）可能插入
\u2028（LINE SEPARATOR）作为换行符，它不属于\s - 服务端返回的 HTML 被双重编码，出现
Python 里处理 HTML 空格要注意编码和库行为差异
用 html.unescape() 解码后， 变成 \u00A0，但 re.sub(r'\s+', ' ', s) 仍不匹配它——Python 的 \s 默认不包含 \u00A0（除非加 re.UNICODE 标志，且 Python 版本 ≥3.7 才部分支持）。
稳妥写法是手动列出字符范围：
import re pattern = r'[\s\u00A0\u2000-\u200F\u2028\u2029\u202F\u205F\u3000]+' cleaned = re.sub(pattern, ' ', html_text).strip()
另外注意：BeautifulSoup.get_text() 默认会把 转成普通空格，但若传入 strip=True，它内部用的也是类似逻辑，不一定彻底——建议仍做一次正则兜底。
真正容易被忽略的是：用户从 Word 或微信公众号复制的文本，常含 \u200B（ZERO WIDTH SPACE）或 \uFEFF（BOM），它们看不见却影响正则匹配和数据库存储长度校验。
