library/module/abstract.py

#!/usr/bin/python3.6
# -*- coding: utf-8 -*-
# @Author  : lijunliang
# @Email   : lijunliang@topnet.net.cn
# @File    : abstract.py
# @Software: PyCharm

"""
获取文本摘要
"""
from gensim.summarization.summarizer import summarize
import jieba.posseg as psg
import re


def split(src: str) -> (int, str):
    """
    生成满足gensim抽取摘要需要的分词文本。
    :param src:
    :return:
    """
    seg_reg = re.compile("\n+")
    src = seg_reg.sub("", src)
    words = psg.cut(src)
    words = [w + "." if f == 'x' and len(w) > 0 and str(w).endswith('。') else w for w, f in words]
    return len(words), ' '.join(words)


def make_summary(src: str, ws_max: int = 200, ws_min: int = 50, doc_radio: float = .1) -> str:
    """
    生成摘要
    :param src:
    :param ws_max:
    :param ws_min:
    :param doc_radio:
    :return:
    """

    l, ws = split(src)
    # 取词200个以内，默认整个文档的10%，但也不能少于50个词
    _ld = int(l * doc_radio)
    _l = max(min(_ld, ws_max), ws_min)
    summary = str(summarize(ws, word_count=_l))
    summary = summary.replace(' ', '').replace('.', '')
    return summary

if __name__ == '__main__':
    text="本项目位于广州兴丰生活垃圾卫生填埋场内，主要工作内容为电力接入系统建设项目的采购、施工（含竣工试验）、试运行等实行全过程工程承包。包括变压器、高低压开关柜、电力电缆、密集母线、配电箱、电气二次设备、安全监控、防雷接地（沼气发电厂范围）等设备的采购、安装、调试、远动联调、试运行、竣工验收等。另需在现场一期渗沥液处理厂扩容工程10kV高压开关室新增一个高压开关间隔及母线连接，并需完成相关电缆敷设等。 "
    ret=make_summary(text,ws_min=1)
    print(ret)