问Openrefine:通过令牌/单词计数拆分多值单元格？

EN

以下是我的简单解决方案：

转到编辑单元 -> Transform并输入

value.replace(/((\s+\S+?){999})\s+/,"$1@@@")

这将替换每1000个空格(连续的空格被计算为一个空格，如果它们出现在分隔边框中，则替换它们)为@@(只要没有出现在原始文本中，就可以选择任意标记)。

“转到编辑单元格” -> 拆分多值单元格并使用令牌@@分隔符进行拆分。

最简单的方法可能是按空格拆分文本，在每组1000个元素之后插入一个非常罕见的字符(或一组字符)，以协调，然后使用“拆分多值单元格”和您的怪异字符。

您可以在GREL中这样做，但是选择"Python/Jython“作为脚本语言会更清楚。

因此:编辑单元格、->转换、->、Python/Jython：

my_list = value.split(' ')

n = 1000
i = n
while i < len(my_list):
    my_list.insert(i, '|||')
    i+= (n+1)

return " ".join(my_list)

(有关此脚本的说明，请参见这里)

下面是一个更紧凑的版本：

text = value.split(' ')
n = 1000
return "|||".join([' '.join(text[i:i+n]) for i in range(0,len(text),n)])

然后，您可以使用\分隔。

如果您更喜欢按字符而不是按单词进行拆分，那么您可以用textwrap用两行进行拆分：

import textwrap

return "|||".join(textwrap.wrap(value, 6000))