Question

我正在寻找一种在Python中截断字符串的方法，它不会在一个单词的中间切断字符串。

例如：

Original:          "This is really awesome."
"Dumb" truncate:   "This is real..."
"Smart" truncate:  "This is really..."

我正在寻找一种从上面完成“智能”截断的方法。

Answer 1

我实际上是在我最近的一个项目中为此写了一个解决方案。我把它的大部分压缩到了一点点。

def smart_truncate(content, length=100, suffix='...'):
    if len(content) <= length:
        return content
    else:
        return ' '.join(content[:length+1].split(' ')[0:-1]) + suffix

if-statement会检查您的内容是否已低于截止点。如果不是，它会截断到所需的长度，在空格上分割，删除最后一个元素（这样你就不会切断一个单词），然后将它连接在一起（同时加上'...'）

Answer 2

这是Adam解决方案中最后一行的稍微好一点的版本：

return content[:length].rsplit(' ', 1)[0]+suffix

（这稍微有点效率，如果字符串前面没有空格，则会返回更明智的结果。）

Answer 3

有一些细微之处可能会或可能不会给您带来麻烦，例如处理标签（例如，如果您将它们显示为8个空格，但在内部将它们视为1个字符），处理各种破坏风格和不破坏的空格，或允许打破连字符等。如果需要这些，你可能需要看一下textwrap模块。例如：

def truncate(text, max_size):
    if len(text) <= max_size:
        return text
    return textwrap.wrap(text, max_size-3)[0] + "..."

大于max_size的单词的默认行为是打破它们（使max_size成为硬限制）。您可以通过将break_long_words = False传递给wrap（）来更改为此处某些其他解决方案使用的软限制，在这种情况下，它将返回整个单词。如果您想要此行为，请将最后一行更改为：

    lines = textwrap.wrap(text, max_size-3, break_long_words=False)
    return lines[0] + ("..." if len(lines)>1 else "")

根据您想要的确切行为，还有一些其他选项，例如expand_tabs可能会引起您的兴趣。

Answer 4

def smart_truncate1(text, max_length=100, suffix='...'):
    """Returns a string of at most `max_length` characters, cutting
    only at word-boundaries. If the string was truncated, `suffix`
    will be appended.
    """

    if len(text) > max_length:
        pattern = r'^(.{0,%d}\S)\s.*' % (max_length-len(suffix)-1)
        return re.sub(pattern, r'\1' + suffix, text)
    else:
        return text

OR

def smart_truncate2(text, min_length=100, suffix='...'):
    """If the `text` is more than `min_length` characters long,
    it will be cut at the next word-boundary and `suffix`will
    be appended.
    """

    pattern = r'^(.{%d,}?\S)\s.*' % (min_length-1)
    return re.sub(pattern, r'\1' + suffix, text)

OR

def smart_truncate3(text, length=100, suffix='...'):
    """Truncates `text`, on a word boundary, as close to
    the target length it can come.
    """

    slen = len(suffix)
    pattern = r'^(.{0,%d}\S)\s+\S+' % (length-slen-1)
    if len(text) > length:
        match = re.match(pattern, text)
        if match:
            length0 = match.end(0)
            length1 = match.end(1)
            if abs(length0+slen-length) < abs(length1+slen-length):
                return match.group(0) + suffix
            else:
                return match.group(1) + suffix
    return text

Answer 5

>>> import textwrap
>>> textwrap.wrap('The quick brown fox jumps over the lazy dog', 12)
['The quick', 'brown fox', 'jumps over', 'the lazy dog']

你只需要拿出第一个元素就可以了......

Answer 6

def smart_truncate(s, width):
    if s[width].isspace():
        return s[0:width];
    else:
        return s[0:width].rsplit(None, 1)[0]

测试它：

>>> smart_truncate('The quick brown fox jumped over the lazy dog.', 23) + "..."
'The quick brown fox...'

Answer 7

从Python 3.4+开始，您可以使用textwrap.shorten。使用OP示例：

>>> import textwrap
>>> original = "This is really awesome."
>>> textwrap.shorten(original, width=20, placeholder="...")
'This is really...'

textwrap.shorten（text，width，** kwargs）

折叠并截断给定文本以适合给定的宽度。

首先，文本中的空格被折叠（所有空格都被单个空格替换）。如果结果适合宽度，则为   回。否则，从末尾删除足够的单词，以便   剩余的单词加上占位符适合宽度：

Answer 8

对于Python 3.4+，我将使用textwrap.shorten。

对于旧版本：

def truncate(description, max_len=140, suffix='…'):    
    description = description.strip()
    if len(description) <= max_len:
        return description
    new_description = ''
    for word in description.split(' '):
      tmp_description = new_description + word
      if len(tmp_description) <= max_len-len(suffix):
          new_description = tmp_description + ' '
      else:
          new_description = new_description.strip() + suffix
          break
    return new_description

Answer 9

如果您实际上可能更喜欢按完整句子而不是按单词截断，请从以下开始：

def smart_truncate_by_sentence(content, length=100, suffix='...',):
    if not isinstance(content,str): return content
    if len(content) <= length:
        return content
    else:
        sentences=content.split('.')
        cs=np.cumsum([len(s) for s in sentences])
        n = max(1,  len(cs[cs<length]) )
        return '.'.join(sentences[:n])+ '. ...'*(n<len(sentences))

截断一个字符串而不在一个单词的中间结束

9 个答案: