自动从字符串生成摘要

Question

给定一个字符串输入，我们需要通过将字符串的末尾修剪为给定的长度来生成一种非常简单的摘要形式。

这是第一个版本的函数：

// Take an array of strings and generate a summary within a given length
function stringSummaryFromMetadata($inArray,$len=80,$sep='§'){

    // Filter out 'false' values
    $inputs=array_filter($inArray);

    // First try just imploding array
    $res=implode($sep,$inputs);

    // Check for length
    if(mb_strlen($res, 'utf8')>$len){

        // Calculate 'z' the fixed width constant
        $x=count($inputs);
        $z=round(($len-$x)/$x);

        // Snip all strings to 'z'
        $t1=array();
        foreach($inputs as $i) $t1[]=mb_substr($i,0,$z);

        // Final answer
        $res=implode($sep,$t1);
    }

    return $res;
}

测试：

$test=array(
    'Ligula diam risus tempus lorem sit',
    'Cursus metus commodo enim odio orci',
    'Metus sapien porta sapien fusce sodales',
    'king queen'
);
$out=stringSummaryFromMetadata($test);
print $out;

给出：

Ligula diam risus t§Cursus metus 普通§Metus sapien porta §king queen

这已经足够好了，但我确信它可以更加优化。例如，测试输出少于 80 个字母、修剪后字符串末尾有空格、单词被截断等等。

在我开始切线并推出自己的内容之前，我想询问社区是否已解决此问题之前询问过和/或是否已经存在这方面的算法。

Answer 1

您可以使用 wordwrap 然后计算结果字符串中有多少行。如果超过一个，您的文本就比需要的长，因此您将分隔符附加到第一行的末尾，并丢弃其他行。如果只有一行，则文本较短，因此无需进行修剪。

似乎 wordwrap 不支持 utf8，但是有一个 注释显示了utf8_wordwrap工作函数。

Answer 2

您还可以构建自动文本摘要算法，如论文使用最短路径算法的基于提取的摘要。这种方法实施起来并不难。

祝你好运！