如何实现长文本中每次出现sentence时截取50字符的处理？

问题背景 #

我有一个长文本字段，需要实现：每当文本中出现Sentence一词时，从该词开始截取50个字符。尝试了substring和instring的组合用法，但未能成功实现需求。

原始数据 #

期望输出 #

解决方案 #

方案1：Oracle SQL实现 #

利用正则表达式拆分每个Sentence片段，截取前50字符后拼接：

WITH split_sentences AS (
    SELECT 
        t.Column_A,
        REGEXP_SUBSTR(t.Column_B, 'Sentence[^S]+', 1, LEVEL) AS sentence_part
    FROM your_table t
    CONNECT BY LEVEL <= REGEXP_COUNT(t.Column_B, 'Sentence')
        AND PRIOR t.Column_A = t.Column_A
        AND PRIOR SYS_GUID() IS NOT NULL
)
SELECT 
    Column_A,
    LISTAGG(SUBSTR(sentence_part, 1, 50), ' ') WITHIN GROUP (ORDER BY LEVEL) AS Column_B
FROM split_sentences
GROUP BY Column_A;

代码说明：

• REGEXP_SUBSTR(...)：匹配从Sentence开始到下一个Sentence开头前的所有内容；
• REGEXP_COUNT(...)：统计文本中Sentence的出现次数，控制循环层级；
• SUBSTR(sentence_part, 1, 50)：对每个片段截取前50个字符；
• LISTAGG(...)：将所有处理后的片段用空格拼接成最终文本。

方案2：Python实现 #

用正则表达式提取所有Sentence片段，处理后拼接：

import re

def process_text(text):
    # 匹配所有以Sentence开头的片段，直到下一个Sentence或文本结束
    pattern = r'Sentence.*?(?=Sentence|$)'
    matches = re.findall(pattern, text, re.DOTALL)
    # 截取每个片段前50字符并拼接
    return ' '.join([part[:50] for part in matches])

# 测试使用
sample_text = "Sentence 1: 从前有个穷小子，每天挨家挨户卖报纸赚钱上学。..."
print(process_text(sample_text))

内容的提问来源于stack exchange，提问作者Chinu