如何用GREL在OpenRefine中提取关键词前后5句的非重复子串

完全可以通过OpenRefine的GREL函数实现这个需求，核心思路是先拆分文本为句子数组，定位关键词所在句子的索引，扩展前后范围后去重，最后拼接成结果。

具体GREL表达式 #

替换表达式中的"你的关键词"为你实际要匹配的关键词，根据文本的句子分隔符调整正则：

join(
  unique(
    flatten(
      foreach(
        filter(range(0, length(split(value, /[.!?]\s+/))), i, split(value, /[.!?]\s+/)[i].contains("你的关键词")),
        idx,
        range(max(0, idx - 5), min(length(split(value, /[.!?]\s+/)), idx + 6))
      )
    ).map(i, split(value, /[.!?]\s+/)[i])
  ),
  ". "
) + "."

表达式拆解 #

1. 拆分句子：split(value, /[.!?]\s+/) 将单元格文本按「句号/感叹号/问号+空格」分割为句子数组，若处理中文文本，可改成/[。！？]\s+/适配中文标点，也可根据实际标点调整正则。
2. 定位关键词索引：filter(...) 遍历所有句子的索引，筛选出包含关键词的句子位置。
3. 扩展索引范围：foreach(...) 对每个关键词所在句子的索引，生成前后5个句子的索引区间（用max(0, ...)和min(...)避免索引越界，range是左闭右开规则，所以用idx+6才能包含第idx+5个句子）。
4. 合并与去重：flatten() 把多个索引区间合并为一维数组，unique() 去除重复的句子索引，避免重复提取同一句子。
5. 拼接结果：map() 根据去重后的索引取出对应句子，join() 用. 拼接句子，最后补全结尾句号。

额外调整建议 #

• 若需忽略大小写匹配，将contains("你的关键词")改为toLowerCase(split(value, /[.!?]\s+/)[i]).contains(toLowerCase("你的关键词"))。
• 若文本含换行符，可先在拆分前处理：split(replace(value, /\n+/, " "), /[.!?]\s+/)。
• 若句子分隔符有其他形式（比如括号、引号结尾），需修改拆分用的正则表达式。

内容的提问来源于stack exchange，提问作者py_newie