Question

我有一个服务，需要从一个冗长的原始字符串（比如长度为10,000个字符）中分割出一系列句子。

每个数组中的总字符串＆＃34; item＆＃34;需要是完整句子的组合列表（以句点结尾），但该组合列表的总字符数不能超过300个字符。如果尾随句子将数组项的总字符数带到301，则列表必须截断整个句子，并将其用作数组中下一项的开始句...直到原始字符串最终分开。这当然意味着如果一个数组项目缺少最多300个字符就可以了。

我意识到正则表达式的魔力可以做一些非常特殊的事情，但我不确定这是否可行。如果它是......金！如果没有，我甚至会选择能够返回相同结果的Javascript函数。

我的思绪根本无法理解实现这一目标的方法，我对此事的任何帮助表示感谢。感谢。

Answer 1

您可以将此视为一种分区问题，您希望将数组分区为符合某些条件的最长块。我们将尝试以尽可能“可读”的方式编写它。我们希望能够写下：

// "Partition array of sentences into sub-arrays with combined length < 300."
var sentenceSubArrays = partition(sentences, combinedLengthLessThan300);

这假定您已将文本预分段为sentences数组。它将返回一个数组数组，我们将其转换为底部组合句子的数组。

我们将combinedLengthLessThan300定义为

// "Is combined length of strings in array less than 300?"
function combinedLengthLessThan300(array) { return combinedLength(array) <= 300; }

其中combinedLength只是

// "Compute combined length of array as sum of length of each element."
function combinedLength(array) { 
  return sum(array.map(function(elt) { return elt.length; }));
}

使用定义为

的sum函数

function add(a, b)  { return a+b; }
function sum(array) { return array.reduce(add); }

如果您愿意，也可以将combinedLength写为

function combinedLength(array) { return array.join('').length; }

现在，有趣的部分是编写分区例程本身。

// "Partition an array into sub-arrays which satisfy some criterion."
function partition(array, fn) {
  array = [array];                          // start off with big sub-array
  for (var i=0; i < array.length; i++) {    // for each sub-array
    while (array[i].length > 1 &&           // if sub-array has 2 or more elts
        !fn(array[i])) {                    // and criteria fails 
      if (!array[i+1]) array.push([]);      // create a new sub-array if necessary
      array[i+1].unshift(array[i].pop());   // move offending elt to next sub-array
    }
  }
  return array;
}

这是如何工作的？如评论中所示，基本方法是从一个包含所有原始元素的子数组开始。然后，我们遍历每个子数组，看看它是否满足标准。如果没有，我们将其最后一个元素移动到下一个子数组的前面（必要时创建它）。我并不认为这是非常快。它的性能可能是O（n ^ 2）。此实现优先考虑清晰度和简洁性而非性能。

我们可以使用一个简单的标准测试partition，每个子数组的长度不能超过2：

>> partition([1,2,3,4,5], function(array) { return array.length <= 2; })
<< [[1, 2], [3, 4], [5]]

最后，将sentenceSubArrays转换为连续字符串数组：

// "Create array of combined sentences by joining sentences in sub-arrays.
var combinedSentences = sentenceSubArrays.map(function(array) {
    return array.join('');
});

希望生成的代码具有可读性，可维护性和可扩展性，并为我们提供了一些实用工具，尤其是partition，我们可以在其他环境中重复使用。

Answer 2

如果我了解你，你想将句子合并成小于或等于300个字符的组吗？假设单个句子从未超过300个字符（这可能不是一个好的假设），我认为你可以这样做：

// I didn't know if you have a string of sentences or an array of sentences.
// string of sentences => array of sentences
function sentences(string) {
    return string.split(". ");
}

// array of sentences => array of paragraphs less than or equal to 300 characters
function paragraphs(sentences) {
    var paragraph = "";
    var paragraphs = [];
    sentences.forEach(function (sentence) {
        if (paragraph.length + sentence.length <= 300) {
            paragraph += sentence;
        } else {
            paragraphs.push(paragraph);
            paragraph = sentence;
        }
    });
    if (paragraphs[paragraphs.length - 1] !== paragraph) paragraphs.push(paragraph);
    return paragraphs;
}

免责声明：我没有测试此代码。

从冗长的字符串中获取句子数组，而不是每个数组[index]超过最大字符长度

2 个答案: