计算文章摘要

编辑:

你可以这样做:

from textwrap import wrap

def getAbstract(text, lines=5, screenwidth=100):
    width = len(' '.join([
               line for block in text.splitlines()
               for line in wrap(block, width=screenwidth)
            ][:lines]))
    return text[:width] + '...'

这就利用了文本环绕算法来获得理想的文本长度。它将把文本分割成屏幕大小的行,并使用它们来计算所需行数的长度。

例如,将此算法应用于 python wikipedia page 条目:

print getAbstract(text, lines=7)

会给你这个输出:

python是一个通用的高级 程序设计语言。 2 其设计 哲学强调代码 可读性[3]python声称 “[结合]非凡的力量 清除语法“,[4]及其标准 图书馆规模大,综合性强。 它的使用压痕作为块 定界符在大众中不常见 程序设计语言。

python支持多种编程 范例(主要面向对象, 命令和功能)以及 具有全动态类型系统 以及自动内存管理, 类似于Perl、Ruby、Scheme和 TCL。像其他动态语言一样, python经常被用作脚本…

如果没有进一步的细节,很难帮助你。但是,如果您的问题是,对于某些条目来说,前几行太多,您可能需要查看 textwrap

例如,如果只需要100个字符的摘要,可以执行以下操作:

import textwrap

abstract = textwrap.wrap(text, 100)[0]

这还将用空格替换换行符,而换行符可能会根据您的需求而有所需要。

我不太确定你想要什么。

不过,我建议把文章剪成x个字符,并加上“…”。然后,您可以更好地控制“抽象”的大小(如果这正是当前实现中困扰您的地方)。