分割成句子后对齐空格

我认为最简单、最简洁的方法（尽管肯定不是最有效的）是使用正则表达式。这个想法是转义每个分段的行，用任何空格的 1+ 的正则表达式替换空格，在每个图案的开头和结尾允许空格，将它们粘合在捕获组中，并将原始文本与之匹配。

在 python 中：

import re

def insert_whitespace(original, segmented):
    inner = "".join(r"([ \t]*{}[ \t]*(?:\s*\n)?)".format(
        re.escape(line).replace(r"\ ", r"\s+"))
        for line in segmented)
    pattern = f"^{inner}$"

    return re.match(pattern, original).groups()

例：

from pprint import pprint

original = """Lucas ipsum dolor sit amet darth\n
 mandalore kit. Endor Mr. Wookiee wicket
 jawa yavin ackbar jabba? Padmé
utapau palpatine kenobi moff.
Sidious anakin mace:
 - Ben darth.
 - Ben vader."""

segmented = ["Lucas ipsum dolor sit amet darth mandalore kit.",
 "Endor Mr. Wookiee wicket jawa yavin ackbar jabba?",
 "Padmé utapau palpatine kenobi moff.",
 "Sidious anakin mace:",
 "- Ben darth.",
 "- Ben vader."]

output = insert_whitespace(original, segmented)
pprint(output)
# out: ('Lucas ipsum dolor sit amet darth\n\n mandalore kit. ',
# out:  'Endor Mr. Wookiee wicket\n jawa yavin ackbar jabba? ',
# out:  'Padmé\nutapau palpatine kenobi moff.\n',
# out:  'Sidious anakin mace:\n',
# out:  ' - Ben darth.\n',
# out:  ' - Ben vader.')

注意： 在决定放置某些空格的位置时，您可能需要根据需要更新正则表达式（包括第一个换行符之前的所有内容都附加到前一句，或者可能是除尾随空格以外的所有空格等）。诚然，我使用的正则表达式有点粗糙，但它应该优雅地处理所有形式的空格，并且大多数时候都会明智地附加/预置。