文本清理工具 - 去空行、去首尾空格、换行符转换
🌟 从网页、Excel、Linux 服务器带回来的三种”看不见的垃圾”
整理文本时最烦的一类问题,不是不会改,而是改的东西看不见。
从网页文章里复制一段正文,粘进编辑器后发现段落之间空得离谱:原文一个空行,复制过来变成三个,行首还带着几个空格,行尾有一个说不清是空格还是制表符的东西。你按退格删,删掉一个还有一个,光标像是陷进去了。
从 Excel 里复制一列数据,每个单元格末尾带一个空格。粘成一行一条之后,肉眼完全看不出区别,可拿去匹配、去重、导入系统,就是不认——张三 和 张三 在程序眼里是两个人。
在 Windows 上改过一个 shell 脚本,传到 Linux 服务器执行,报 bash: $'\r': command not found。打开文件看,每一行都正常;用 cat -A 一看,每行末尾都挂着一个 ^M。或者一份 .env 配置,密码后面跟了个回车符,登录一直失败,查了半天以为是密码错了。
这三种现象背后是三件不同的事:空行、首尾空白、换行符。它们都属于”文本规范化”——规则其实很明确,但手工处理不可靠,因为你看不见自己在删什么,也看不见自己漏了什么。
星点 文本清理工具 把这三类处理收在一个页面里,分成三个子模式。下面按”每个模式到底改什么、有哪些选项、什么时候会选错”来讲。
🧭 一个入口,三个子模式
打开 文本清理工具,顶部是一排分段按钮:去除空行 / 去除首尾空格 / 换行符转换。点哪个,下面就换成哪个模式的选项。
界面是左右两栏:左边”原始文本”可编辑,右边”清理结果”只读。左上方有三个小标签,实时显示输入内容的行数、字符数、大小;点”处理”之后,只要结果非空,结果区下方会出现一行摘要,告诉你这次动了多少东西。
顶部还有几个按钮值得知道:
- 处理:按当前子模式和选项计算,结果写到右栏;
- 示例:把输入框恢复成一段自带空行和首尾空格的示例文本,想试选项效果时点它;
- 清空:原文和结果一起清掉;
- 复制 / 下载:复制结果,或下载为
text-cleaned.txt。
结果区是只读的。想改结果,得回左边改原文或换选项,再点一次”处理”。这个设计是有意的:结果永远由”原文 + 当前选项”算出来,不会出现你手改了右栏、却以为那是工具算的结果。
三个子模式是互相独立的,一次只做一类处理:
| 你看到的现象 | 该用的子模式 | 关键选项 |
|---|---|---|
| 段落之间空行太多、开头结尾多出空行 | 去除空行 | 空白行视为空行、压缩连续空行、范围 |
| 每行前后有空格、制表符、全角空格 | 去除首尾空格 | 范围(每行/全文)、空白集合 |
脚本报 $'\r'、Git 显示整文件改动、混用 | 换行符转换 | 目标换行、保留末尾换行 |
为什么不合成一个”一键全清”?因为这三件事会互相干扰:先把空行删了,你就看不出原来的空行是”真的空行”还是”只有空格的行”;先统一了换行,再去比对前后差异,也少了一个判断依据。分开做,每一步都能核对。 真要串成固定流程,用 批量文本处理 把步骤排好,那是另一件工具的事。
操作步骤
- 打开 文本清理工具,在左栏粘贴待处理文本;
- 选子模式(去除空行 / 去除首尾空格 / 换行符转换);
- 设置该模式下的选项;
- 点”处理”,右栏出结果,下方看摘要统计;
- 确认无误后复制,或下载
text-cleaned.txt。
🧹 去除空行:删除、压缩、只删边界
这是三个模式里选项最多、也最容易选错的一个。默认状态是:「空白行也视为空行」勾选、「压缩连续空行」不勾、范围「全部」。
先分清”空行”和”空白行”
一行里一个字符都没有,叫空行。一行里只有空格、制表符、全角空格,肉眼看着是空的,但它其实有字符——这叫空白行。
「空白行也视为空行」勾上时,两种都算空行,一起删;取消勾选时,只删长度真正为 0 的行,只有空格的行会留下来。默认勾选,是因为从网页和 PDF 复制出来的”空行”绝大多数其实是空白行。
这里有个边界要知道:判断空白行用的是”这行是否只由空白字符组成”。半角空格、制表符、全角空格(U+3000)、不换行空格(NBSP)都算空白,所以都能被识别;但零宽字符(比如 U+200B)不算空白,一行里如果只剩一个零宽字符,它不会被当成空行删掉。这种情况得用 文本替换工具 把那个字符替换成空。
三种范围,结果完全不同
拿一段 10 行的文本举例,其中第 2、3、5、7、8、9 行是空行或只有空格:
| 选项组合 | 删掉哪些行 | 摘要显示 | 留下什么 |
|---|---|---|---|
| 全部 + 不压缩 | 第 2、3、5、7、8、9 行 | 删除 6 行 | 只剩 4 行内容,段落之间没有任何空行 |
| 全部 + 压缩连续空行 | 第 3、8、9 行 | 删除 3 行 | 连续的多个空行只留一个,第 5 行这种”单独的空白行”保留 |
| 仅开头 | 开头连续的空行 | 删除 N 行 | 中间和结尾不动 |
| 仅结尾 | 结尾连续的空行 | 删除 N 行 | 开头和中间不动 |
两个细节:
- 「压缩连续空行」只在范围是”全部”时生效。 你选了”仅开头”或”仅结尾”,它不参与计算——工具只从边界往里数,遇到第一个非空行就停。
- 压缩是”连续多个留一个”,不是”全删”。 留着的那一个就是段落分隔。删完发现段落全粘在一起,通常是这一个选项没开。
删除空行 vs 压缩连续空行
| 删除所有空行 | 压缩连续空行 | |
|---|---|---|
| 对单独一个空行 | 删掉 | 保留 |
| 对连续三个空行 | 三个都删 | 删两个,留一个 |
| 段落分隔 | 完全消失 | 保留一个空行 |
| 典型用途 | 名单、关键词、URL 清单、ID 列表 | 从网页复制的文章、Markdown、说明书 |
| 行数变化 | 明显减少 | 少量减少 |
一眼就能判断:你要不要保留”段落”这个概念。 名单类文本不需要段落,空行纯属噪音,全删;文章类文本需要段落,空行是结构,压缩就行。
它不改换行符
去除空行只做一件事:把整行拿掉。剩下的行保留它们原来的换行类型——原来是 CRLF 的还是 CRLF,原来是 LF 的还是 LF,混合的转完还是混合。所以”删完空行,换行还是乱的”不是 bug,是分工:换行统一交给第三个模式。
末尾换行也一样。一段以换行结尾的文本,经过删除空行后,最后一行后面那个换行还在(文件仍然以换行结束);如果原文末尾是”内容 + 两个换行”,最后那个空行会被当成空行删掉,剩下一个换行。这个差别在把结果贴回配置文件时有意义,后面讲”保留末尾换行”时还会提到。
✂️ 去除首尾空格:全文和每行是两件事
这个模式的默认状态是:范围「每行」、「Unicode 空白」、「保留开头结尾空行」勾选。
名字叫”去除首尾空格”,但它真正删除的是首尾的空白字符,范围可以选。两种范围干的事差别很大,选错了后果也不一样。
全文 trim vs 每行 trim
| 全文 | 每行 | |
|---|---|---|
| 处理对象 | 整段文本的开头和结尾 | 每一行的开头和结尾 |
| 会删掉什么 | 整段最前面的空格、空行、制表符,以及最后的空白和末尾换行 | 每一行行首、行尾的空白字符 |
| 行内空格 | 不动 | 不动 |
| 行首缩进 | 只有第一行开头受影响 | 每一行的缩进都会被删 |
| 中间的空行 | 不动 | 空行本身还是空行,不会被删(除非在首尾且取消勾选保留) |
| 摘要里的”修改 N 行” | 只会是 0 或 1 | 实际被改动的行数 |
| 典型用途 | 从聊天窗口、网页复制的一整段,前后拖泥带水 | Excel 一列、名单、配置项、逐行数据 |
几个必须说清的点:
全文模式会把末尾换行删掉。 因为它处理的是整段的结尾空白,换行也属于空白。如果你需要文件以换行结束,全文 trim 之后要自己补一个,或者干脆用每行模式。
全文模式下,“保留开头结尾空行”这个勾选框不起作用。 它只服务于每行模式,勾不勾结果一样。
全文模式摘要里的”修改 N 行”不是行数。 它只表示整段有没有变化(0 或 1),要看删了多少字符,看同一行摘要里的”删除 M 字符”。
每行模式会删掉行首缩进。 这一条最容易被忽略。对名单、CSV、逐行配置来说,行首空格是脏数据,删了正好;但对 Python、YAML、Makefile 这类靠缩进表达结构的文件,每行 trim 是破坏性的。给代码去空行可以,给代码做每行 trim 之前想清楚。
空白集合:三档,删的范围不一样
| 原始行 | Unicode 空白 | 仅空格 | 仅制表符 |
|---|---|---|---|
␣␣张三␣␣ | 张三 | 张三 | 不变 |
→李四(行首制表符) | 李四 | 不变 | 李四 |
王五 (全角空格 U+3000) | 王五 | 不变 | 不变 |
赵六(前面是不换行空格 NBSP) | 赵六 | 不变 | 不变 |
钱七(前面是零宽空格 U+200B) | 不变 | 不变 | 不变 |
- Unicode 空白:默认项,删半角空格、制表符、全角空格、不换行空格等各类空白字符。日常清理选它。
- 仅空格:只删半角空格(U+0020),制表符和全角空格原样保留。适合”只想处理空格、不想碰缩进里的制表符”的场合。
- 仅制表符:只删
\t。适合专门清理从某些系统导出的制表符分隔数据。
零宽字符三种都不删——它压根不算空白字符。要清它,只能用替换。
保留开头结尾空行
每行模式下默认勾选。意思是:逐行 trim 之后,如果开头或结尾出现了空行,保留它们。
取消勾选会怎样?工具会把处理后开头连续的空行和结尾连续的空行删掉。注意两点:第一,只删边界,中间的空行一个都不动;第二,判断依据是 trim 之后的结果,所以原本”只有空格的行”在每行 trim 之后变成了真正的空行,如果它正好在开头或结尾,也会被一起删掉。
这个选项不是”删所有空行”的替代品。想删中间空行,回上一个模式。
它不动的东西
明确一下边界,省得误会:
- 行内空格:
张 三中间那个空格不动,a b中间三个空格也不动。要压缩行内空格,用替换; - 全角标点、大小写、数字格式:一概不动;
- 零宽字符、不可见控制字符:不在空白集合里,不动;
- 只处理首尾:行中间夹着的制表符、NBSP 都保留。
摘要会给出”修改 N 行,删除 M 字符”,两个数配合看:行数告诉你影响面,字符数告诉你删了多少。改完发现字符数掉得比预期多,多半是缩进被削掉了。
🔄 换行符转换:LF、CRLF、CR 与混合
第三个模式解决的是”看不见的行尾”。
三种换行符对照
| 名称 | 转义写法 | 十六进制 | 常见来源 |
|---|---|---|---|
| LF | \n | 0A | Linux、macOS(OS X 之后)、Unix 风格脚本、Git 仓库内的标准存储、多数 JSON/YAML 文件 |
| CRLF | \r\n | 0D 0A | Windows 记事本、Excel 导出的 CSV、Windows 批处理文件、HTTP 报文 |
| CR | \r | 0D | 旧版 Mac OS(Mac OS 9 及更早)、一些老设备和老协议 |
这三种在编辑器里显示出来长得一样,都是”换行”。区别只在字节层面,所以肉眼排查基本无效——要么开”显示不可见字符”,要么用工具数一遍。
混合换行是怎么来的
最常见的来源是拼接:一段从 Windows 机器上复制的文本,加上一段从服务器 cat 出来的日志,粘在同一个文件里,前半段 CRLF、后半段 LF。编辑器不会提示你,但脚本读到中间会出问题。
第二个来源是 Git 的自动换行转换。Windows 上安装 Git 时默认常开 core.autocrlf=true:检出代码时把仓库里的 LF 转成 CRLF,提交时再转回 LF。Linux 和 macOS 上通常是 false 或 input(提交时转 LF、检出不动)。所以同一个文件,在不同系统上、经过不同工具的复制粘贴,工作区里的换行可能就不一样。团队协作时通常用 .gitattributes 里的 text=auto、eol=lf 这类规则把口径固定住。
第三个来源是工具导出:Excel 存 CSV 默认 CRLF,很多日志系统按 LF 写,某些接口返回的文本又按 CRLF。
检测:先认 CRLF,再认单独的 CR 和 LF
这个模式的选项行右侧,会实时显示一行检测结果:
检测:LF 12 · CRLF 0 · CR 0有混合时后面会多一个标记:
检测:LF 8 · CRLF 3 · CR 1 · 混合换行计数规则很关键:先识别 CRLF,再识别单独的 CR 和 LF。也就是说,一个 CRLF 只算一个换行,记在 CRLF 那一栏,不会被拆成”一个 CR + 一个 LF”各记一次。这一点跟很多手写脚本不一样——用正则数 \r 和 \n 的个数,CRLF 文件会被数成两倍行数,看起来像”换行符数量对不上”。
顺带说明:这一行统计针对的是输入原文。转换完成之后,输出里所有换行都变成目标格式了,但选项行显示的数字不会跟着变——别把它当成结果的统计。想看结果,把输出贴回去再看一次。
目标格式与三个选项
- 目标换行:LF / CRLF / CR 三选一。转换后输出里所有换行统一成目标格式。
- 保留末尾换行:默认勾选。原文最后有没有换行,转换后保持原样。
- 压缩连续换行:默认不勾。勾上后,连续的空行压成一个。
保留末尾换行为什么值得单独一个开关?因为”文件末尾有没有换行”在纯文本世界里是有意义的:POSIX 把没有末尾换行的文本文件视为不完整,Git diff 会显示 \ No newline at end of file,有些工具链拼接文件时会因此把两行粘成一行。保留原状最安全,所以默认开。取消勾选会把最后一个换行去掉。如果原文本来就没有末尾换行,这个开关勾不勾都一样。
压缩连续换行和第一个模式的”压缩连续空行”不是同一套判断:这里只认完全空的行,只含空格或制表符的行不算空行,不会被压缩。如果你要处理”只有空格的空白行”,回”去除空行”模式,那里的”空白行也视为空行”才是干这个的。
典型修复:Windows 上改的脚本传到 Linux
- 在 Windows 上改完
.sh,上传到服务器,执行报bash: $'\r': command not found,或者提示解释器路径不存在; - 把脚本内容整段复制出来,粘进 文本清理工具;
- 切到”换行符转换”,看检测那行——大概率是
CRLF数量等于行数; - 目标选 LF,点”处理”;
- 复制结果或下载
text-cleaned.txt,替换服务器上的文件,再执行。
同样的思路适用于:YAML 里某个值末尾带 \r 导致解析异常、.env 里的密码多了个回车、Nginx 配置在容器里读不出来、CSV 导入系统后每行最后一个字段多一个怪字符。这些现象看着五花八门,根子是同一个。
反过来,如果目标系统要 CRLF(比如某些 Windows 批处理、老系统导入),把目标选 CRLF 就行。CR 现在很少用,保留它主要是为了兼容老文件——检测到 CR 说明这份文本的来历不简单,转之前最好确认一下有没有别的编码问题。
📊 处理前后:行数与换行统计怎么看
工具不给你一张”前后对照表”,但该有的数字都在:
| 位置 | 显示什么 | 什么时候更新 |
|---|---|---|
| 左上方标签 | 输入的行数、字符数、大小 | 随输入实时变化 |
| 结果下方摘要(去除空行) | 删除 N 行 | 点”处理”后 |
| 结果下方摘要(去除首尾空格) | 修改 N 行,删除 M 字符 | 点”处理”后 |
| 结果下方摘要(换行符转换) | LF x · CRLF y · CR z(· 混合换行) | 点”处理”后 |
| 选项行右侧(仅换行模式) | 输入原文的 LF / CRLF / CR 计数与混合标记 | 随输入实时变化 |
行数的口径需要先统一,不然对不上账:
- 空字符串算 0 行;
- 结尾的一个换行不额外产生一行,
a\n是 1 行; a\n\n是 2 行——第二行是空行;- 空行也算行,行数统计不区分空和非空。
所以”处理前 100 行,删除 12 行”,结果就是 88 行。trim 每行模式下通常行数不变,除非你取消了”保留开头结尾空行”;换行模式下行数也不变,除非勾了”压缩连续换行”。
想核对具体删了哪些行,把原文和处理结果分别保存,丢进 文本对比工具 做行级对比,删掉的行会标成”删除”,一眼就能数。涉及配置文件、数据清单这类不能出错的内容,这一步值得做。
⚠️ 六个常见错误
1. 把 trim 当成”删除所有空格”
trim 只处理首尾。张 三 中间的空格、2026 年 10 月 中间的空格、制表符隔开的列,全都不动。要删行内多余空格,用 文本替换工具 的正则模式,或者用 批量文本处理 把多个步骤串起来。
2. 只删了空行,却以为顺手修好了缩进
去除空行只拿掉整行,不碰任何行内字符。行首的缩进、行尾的空格,原样留着。清理完发现”缩进还是乱的”,不是工具没生效,是这件事归 trim 管。
但反过来的坑更大:为了让缩进”整齐”而开每行 trim,会把所有行首缩进削平——Python 直接报 IndentationError,YAML 层级全乱。给代码去空行可以,给代码做每行 trim 要谨慎。
3. 以为 CRLF 会被算成两个换行
用别的脚本或正则统计换行时,CRLF 常常被数成两倍。这个工具先识别 CRLF 再识别单独的 CR 和 LF,所以 100 行 CRLF 会显示 CRLF 100,而不是 CR 100 · LF 100。看到别人的统计结果翻倍,先确认他用的是什么口径。
4. 想用”把 \n 换成 \r\n”的替换来统一换行
这个做法在混合换行上会翻车:文件里原本已经是 \r\n 的地方,\n 被替换成 \r\n 之后变成 \r\r\n,多出一个 CR。正确的做法是先检测、再整体转换,而不是做字符替换。工具的做法是把文本按行拆开(拆的时候识别原换行类型),再按目标格式重新拼——不存在”替换两次”的问题。
5. 处理完直接覆盖源文件
工具不写回磁盘,下载得到的是一个新的 text-cleaned.txt。但很多人下载后直接覆盖原文件,原始版本就没了。清理是单向的:右栏只读、没有历史记录,“示例”和”清空”还会把输入框重置。
两个习惯:原始文件先留一份(或者确保在版本控制里);清理前后的文本各存一份,需要追溯时用 文本对比工具 看差异。
6. 三个子模式各点一遍,结果对不上账
三个模式互不叠加,每次都从当前输入框的内容重新算。连着点”去除空行 → 去除首尾空格 → 换行符转换”,每一步的输入是上一步的结果,这没问题;但如果你中途改了原文又没重新点处理,右栏还是旧结果,摘要却可能已经变了。
固定流程建议用 批量文本处理,那里可以把去空行、去空白、换行符标准化排成步骤链,每步都有变更数量,结果始终基于原始输入重算,不会越点越乱。
🧰 和文本系列其它工具怎么配合
清理很少是终点,通常是一串处理里的第一步。
| 你要做的事 | 建议顺序 |
|---|---|
| 清理完想确认删对了 | 清理前后各留一份 → 文本对比 行级对比 |
| 去空行 → 去首尾空白 → 去重 → 排序,每天都要跑 | 批量文本处理 把步骤排好,一次执行 |
| 行内多余空格、全角空格、零宽字符 | 文本替换 处理完再回来清理 |
| 想知道清洗前后字符数、行数、换行分布 | 文本统计 分别统计两份文本 |
| 清洗完的名单要去重 | 先清理(空格清干净,判重键才一致)→ 文本去重 |
顺序上有个原则:先做”让行变得干净”的处理,再做”按行判断”的处理。 行尾多一个空格,去重时就可能判成两条不同记录;同样的道理,换行没统一,行级对比会把整篇都标成差异。清理放在前面,后面的工具才能给出可信结果。
整个文本系列有 11 个工具,从对比、去重、排序、统计到清理、替换、分割合并,都收在 星点文本工具 里。不确定手上的活该用哪个,可以先看 星点文本工具完整指南 里的场景划分。
❓ 常见问题
去除空行会顺便去掉行首缩进吗?
不会。去除空行只删除整行,不动任何一行的行内字符,缩进、行尾空格、行内制表符都原样保留。要处理首尾空白,用”去除首尾空格”模式。
全文 trim 和每行 trim 到底该选哪个?
看你的文本是”一段”还是”一列”。从聊天窗口、网页复制的一整段,前后带空格和空行,用全文;Excel 导出的一列、名单、逐行配置,用每行。注意全文模式会连末尾换行一起去掉,每行模式则会削掉每一行的行首缩进(对代码文件要小心)。
明明看到空行,工具却没算成空行?
三种可能:一是那行只有空格或制表符,而”空白行视为空行”没勾;二是那行里藏着零宽字符(U+200B 之类),它不算空白字符;三是你数的是”看起来的空隙”,实际那行有内容但颜色很浅。排查办法:切到换行符转换,看行数;或者把那一行单独复制到 文本对比工具 里按字符级看,藏了什么字符一目了然。
换行统计里的数字,是转换后的结果吗?
不是。选项行右侧的 LF / CRLF / CR 计数统计的是输入原文,转换后不会自动刷新成输出结果。要确认输出是否统一,把结果复制回输入框再看一次。
为什么 CRLF 文件的统计里 CR 是 0?
因为工具先识别 CRLF,再识别单独的 CR 和 LF。CRLF 被整体记在 CRLF 那一栏,不会再拆出一个 CR 和一个 LF。这是为了避免重复计数。
把 CRLF 转成 LF,脚本就一定能跑了吗?
换行只是常见原因之一。$'\r': command not found 这类报错通常就是 CRLF 引起的,转成 LF 能解决;但如果还报权限问题,要 chmod +x;报解释器路径问题,要看 shebang 那行;报编码问题,那属于文件编码,不是换行。工具只负责换行这一项。
处理会改动我的文字内容吗?
不会。它只改你选的那一类目标:删整行、去首尾空白、换换行符。行内空格、大小写、全角标点、词语顺序都不动。唯一的例外是”每行 trim”会删掉行首缩进——那是”首尾空白”的一部分,属于你选择的结果。
能撤销吗?
没有历史记录。原文一直在左栏,只要不点”清空”或”示例”,随时可以重新处理;但输入框被重置后,原来的内容就找不回来了,右栏也不能手改。处理重要文本前,先把原文另存一份。
文本会上传吗?
不会。拆分、trim、换行转换都在浏览器本地完成,不产生网络请求。配置、日志、客户名单这类内容不会离开你的设备。
收个尾
空行、首尾空白、换行符,三件事的共同点是看不见。看不见就容易想当然:以为删了空行就顺带修好了缩进,以为 trim 会删掉所有空格,以为 CRLF 只是”多一个换行”。
工具能帮你的,是把每一步的规则摆明:空行按什么算、trim 的范围是全文还是每行、换行检测先认哪一种。剩下的判断还是得你自己做——这份文本要不要保留段落、这个文件能不能动缩进、这个脚本的目标平台是 Windows 还是 Linux。
星点 文本清理工具 把三个模式放在一个页面,处理完给出删除行数、修改行数、换行统计,全程浏览器本地完成。下次再遇到”看着一样但就是不认”的文本,先来这里过一遍,再去查别的原因。
文章分享
如果这篇文章对你有帮助,欢迎分享给更多人!