如何在Python中为段落句子设置单词限制并拆分存入列表？

需求说明 #

给定如下英文文本代码：

sent = 'Python is dynamically-typed and garbage-collected. It supports multiple programming paradigms, including structured (particularly procedural), object-oriented and functional programming.'

需要将该文本拆分为每个片段最多包含5个单词的元素，并存入列表，预期输出：

sent_list = ['Python is dynamically-typed and garbage-collected.', 'It supports multiple programming paradigms,', 'including structured (particularly procedural), object-oriented', 'and functional programming.']

中文翻译后的需求 #

给定如下中文文本代码：

sent = 'Python是动态类型且支持垃圾回收的语言。它支持多种编程范式，包括结构化（尤其是过程式）、面向对象和函数式编程。'

需要将该文本拆分为每个片段最多包含5个词的元素，并将这些元素存入列表，预期输出如下：

sent_list = ['Python是动态类型且支持垃圾回收的语言。', '它支持多种编程范式，', '包括结构化（尤其是过程式）、面向对象', '和函数式编程。']

实现代码 #

def split_sentence(sent, max_words=5):
    # 拆分单词/词，中文若需精准分词可替换为jieba等库的分词逻辑
    words = sent.split()
    result = []
    current_group = []
    for word in words:
        current_group.append(word)
        if len(current_group) == max_words:
            result.append(' '.join(current_group))
            current_group = []
    # 处理剩余未凑满数量的词
    if current_group:
        result.append(' '.join(current_group))
    return result

# 处理英文原句
sent_en = 'Python is dynamically-typed and garbage-collected. It supports multiple programming paradigms, including structured (particularly procedural), object-oriented and functional programming.'
sent_list_en = split_sentence(sent_en)
print(f"sent_list = {sent_list_en}")

# 处理中文翻译句
sent_zh = 'Python是动态类型且支持垃圾回收的语言。它支持多种编程范式，包括结构化（尤其是过程式）、面向对象和函数式编程。'
sent_list_zh = split_sentence(sent_zh)
print(f"sent_list = {sent_list_zh}")

说明 #

• 核心逻辑是遍历拆分后的词列表，每累计到指定数量的词就组合成一个片段存入结果列表，最后处理剩余未凑满数量的词。
• 中文若需要更精准的分词效果，可引入jieba库替换split()方法，实现按语义分词后再进行分组。

内容的提问来源于stack exchange，提问作者waji