Python 在关键词周围截断文本

Question

我有一段文字，想要在里面找一个关键词或短语，然后只返回这个关键词或短语前后的部分内容。就像谷歌那样，正好能做到这一点。

这是我从网上找到的一段文字：

"这个过滤器会截断像原来的Django过滤器那样的单词，但它不是根据单词的数量来截断，而是根据字符的数量。我在建立一个网站时发现了这个需求，因为我需要在非常小的文本框上显示标签，而按单词截断并不总是能给我最好的结果（而按字符截断就……嗯……看起来不太优雅）。"

假设我想在这段文字中搜索短语 building a website，然后输出的内容可能是这样的：

"... 这个需求是在 building a website 时产生的，我需要显示 ..."

补充说明：我应该更清楚地说明一下。这需要适用于多个字符串/短语，而不仅仅是这一段。

Answer 1

>>> re.search(r'((?:\S+\s+){,5}\bbuilding a website\b(?:\s+\S+){,5})', s).groups()
("the need for this when building a website where i'd have to show",)

当然可以！请把你想要翻译的内容发给我，我会帮你用简单易懂的语言解释清楚。

Answer 2

使用一种方法来找到你想要的短语的索引位置，然后从这个位置向前和向后各切出N个字符的内容。你还可以更聪明一点，去找离这个索引位置N个字符远的最近的空格，这样就能得到完整的单词。

这里有一些Python字符串函数，可以帮助你找到你需要的内容：

http://docs.python.org/py3k/library/strings.html

Answer 3

在其他人的回答基础上（特别是cababunga的），我想要一个函数，这个函数可以接受最多25个字符（或者更多），并且在最后一个单词的边界处停止，这样可以提供一个很好的匹配结果：

import re

def find_with_context(haystack, needle, context_length, escape=True):
    if escape:
        needle = re.escape(needle)
    return re.findall(r'\b(.{,%d})\b(%s)\b(.{,%d})\b' % (context_length, needle, context_length), haystack)

# Returns a list of three-tuples, (context before, match, context after).

用法：

>>> find_with_context(s, 'building a website', 25)
[(' the need for this when ', 'building a website', " where i'd have to show ")]
>>> # Compare this to what it would be without making sure it ends at word boundaries:
... # [('d the need for this when ', 'building a website', " where i'd have to show l")]
...
>>> for match in find_with_context(s, 'building a website', 25):
...     print '<p>...%s<strong>%s</strong>%s...</p>' % match
... 
<p>... the need for this when <strong>building a website</strong> where i'd have to show ...</p>