如何在Python中将一个非常长的字符串拆分成多个较短的字符串列表

Question

在我的django项目中，我有一个模型用于存储非常长的字符串（每个数据库条目可以达到5000-10000甚至更多个字符），然后当用户调用该记录时，我需要将其拆分（它确实需要在DB中的一个记录中）。我需要的是返回一个列表（查询集？取决于是在“SQL”部分还是按原样获取整个列表并在视图中进行解析）短字符串列表（列表中每个字符串的长度为100-500个字符），然后返回给模板。

我无法找到任何Python split命令或示例或任何答案... ...但我确定肯定有这种类型的函数存在....

编辑：谢谢大家，但我想我没被理解，

例如：字符串：“这是一个非常长的字符串，有许多句子，没有一个字符可以用来分割，只能按单词数分割”。

该字符串是django模型的textField。

我需要将其拆分，比如每5个单词，那么我会得到：

['This is a very long string','with many many many many','and many more sentences and','there is not one character','that i can use to','split by, just by number',' of words']

事实上，在几乎所有编程语言中，都有一种“按单词数拆分”的实用程序函数，但我找不到Python中的这种函数。

谢谢，Erez

- Erez

---

你可能需要添加一个例子，以使问题更清晰。 - Björn Pollex

我更新了我的答案，以涵盖按单词数量拆分的方法。 - Björn Pollex

你看过 Django 工具中的 wrap 吗？模板过滤器中有类似的功能 - https://code.djangoproject.com/browser/django/trunk/django/utils/text.py#L11 - JamesO

Answer 1

>>> s = "This is a very long string with many many many many and many more sentences and there is not one character that i can use to split by, just by number of words"
>>> l = s.split()
>>> n = 5
>>> [' '.join(l[x:x+n]) for x in xrange(0, len(l), n)]
['This is a very long',
 'string with many many many',
 'many and many more sentences',
 'and there is not one',
 'character that i can use',
 'to split by, just by',
 'number of words']

- DrTyrsa

---

10倍'这太棒了，而且对于我的非常长的文本也不错 :-) - Erez

Answer 2

这里有一个想法：

def split_chunks(s, chunksize):
    pos = 0
    while(pos != -1):
        new_pos = s.rfind(" ", pos, pos+chunksize)
        if(new_pos == pos):
            new_pos += chunksize # force split in word
        yield s[pos:new_pos]
        pos = new_pos

这个程序尝试将字符串按照最长为chunksize的长度分割成块。它会尝试在空格处进行分割，但如果无法分割则会在单词中间进行分割：

>>> foo = "asdf qwerty sderf sdefw regf"
>>> list(split_chunks(foo, 6)
['asdf', ' qwert', 'y', ' sderf', ' sdefw', ' regf', '']

我猜它需要一些调整（例如如何处理出现在单词内部的分割），但它应该为您提供一个起点。

---

要按单词数量拆分，请执行以下操作：

def split_n_chunks(s, words_per_chunk):
    s_list = s.split()
    pos = 0
    while pos < len(s_list):
        yield s_list[pos:pos+words_per_chunk]
        pos += words_per_chunk

- Björn Pollex