计算文章摘要

Question

我正在寻找一种方法来自动生成一个摘要，基本上是博客条目的前几个序列/段落，以显示在文章列表中（以降价方式编写）。目前，我正在做这样的事情：

def abstract(article, paras=3):
    return '\n'.join(article.split('\n')[0:paras])

只是抓住前几行的文字，但我对结果并不完全满意。

我真正想要的是在条目列表中显示大约1/3的屏幕格式化文本，但是使用上面的算法，拉出的金额最终会变化很大，如很少作为一两行，经常与更理想的大小摘要混合。

有没有一个擅长这种事情的图书馆？如果没有，你有什么建议来改善输出吗？

Answer 1

修改

您可以这样做：

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] + '...'

这使用textwrap算法来获得理想的文本长度。它会将文本分成屏幕大小的行，并使用它们来计算所需行数的长度。

例如，在python wikipedia page条目上应用此算法：

print getAbstract(text, lines=7)

会给你这个输出：

  

Python是一个通用的高级别   编程语言。2它的设计   哲学强调代码   可读性。[3] Python声称   “[结合]非凡的力量   清晰的语法“，[4]及其标准   图书馆庞大而全面。   它使用缩进作为块   分隔符在流行之中是不寻常的   编程语言。

     

Python支持多种编程   范式（主要面向对象，   命令式的，功能性的和   具有完全动态的类型系统   和自动内存管理，   类似于Perl，Ruby，Scheme和   TCL。像其他动态语言一样   Python通常用作脚本......

---

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

例如，如果您只需要100个字符的摘要，则可以执行以下操作：

import textwrap

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

这也将取代带有空格的换行符，这取决于您的要求。

Answer 2

我不确定你想要什么。

但是，我建议在X字符之后剪切文章并放上“......”。然后你可以更好地控制“抽象”的大小（如果这是你当前实现中的困扰）。