如何拆分列表中每个字符串以保留其前80%的文本内容？

核心思路 #

在不使用split的前提下，可通过正则匹配或自定义字符遍历两种方案，按单词计数截取前80%的内容，还能保留单词之间原有的分隔符（空格、标点等），比split后拼接更贴合原文本格式。

方案1：正则实现（开发效率更高） #

• 先通过正则匹配统计字符串总单词数，乘以0.8后取整得到需要保留的单词数量（不足1个单词时可根据业务需求向上取整避免返回空内容）
• 再通过正则匹配前N个单词的完整内容，直接提取即可
• 示例代码：

import re
import math

str_list = ["示例字符串一，包含N个单词，按要求截取前80%", "示例字符串二，可自定义单词判定规则"]
processed_list = []

for s in str_list:
    # 统计总单词数
    total_words = len(re.findall(r'\w+', s))
    if total_words == 0:
        processed_list.append("")
        continue
    # 计算保留的单词数，此处用向上取整，可按需求调整为向下取整
    keep_num = math.ceil(total_words * 0.8)
    # 匹配前keep_num个单词，保留原有分隔格式
    match_res = re.match(fr'(\W*\w+){{{keep_num}}}', s)
    processed_str = match_res.group() if match_res else s
    processed_list.append(processed_str)

方案2：自定义字符遍历（性能更高，适合超大量文本处理） #

如果不想引入正则模块，可自己遍历字符串统计单词边界：

• 遍历字符串的每个字符，判定单词起始位：前一个字符是非单词字符、当前字符是单词字符时，单词计数+1
• 计数达到预设的80%单词数时，记录当前索引位置，直接对原字符串做切片s[:索引]即可得到结果

内容的提问来源于stack exchange，提问作者Declan