项目符号行占比计算器
更新时间:2026-05-18
项目符号行占比计算器
简介
项目符号行占比计算器,统计文本中以项目符号(如 -、*、·、• 等)开头的行占总行数的比例,用于识别结构性列表文本。
功能描述
- 识别以常见项目符号开头的行(
-、*、·、•、▪等) - 计算项目符号行在所有非空行中的占比
- 空文本或 None 返回 None
算子参数
输入
| 输入 | 含义 |
|---|---|
| texts | 文本字符串数组 |
输出
| 输出 | 含义 |
|---|---|
| bullet_ratio | 项目符号行占比(float64),范围 [0, 1],空文本返回 None |
参数
无
调用示例
Plain Text
1from __future__ import annotations
2
3import os
4
5import daft
6from daft import col
7
8from daft.aihc.common.udf import aihc_udf
9from daft.aihc.functions.text.bullet_line_ratio_calculator import BulletLineRatioCalculator
10
11if __name__ == "__main__":
12 if os.getenv("DAFT_RUNNER", "native") == "ray":
13 import ray
14 ray.init(dashboard_host="0.0.0.0", ignore_reinit_error=True)
15 daft.set_runner_ray()
16 daft.set_execution_config(actor_udf_ready_timeout=6000, min_cpu_per_task=0)
17
18 samples = {"text": ["- item1\n- item2\n- item3", "normal paragraph text", "* a\n* b\nsome text"]}
19 ds = daft.from_pydict(samples)
20 ds = ds.with_column(
21 "bullet_ratio",
22 aihc_udf(
23 BulletLineRatioCalculator,
24 num_cpus=1,
25 concurrency=4,
26 batch_size=1024,
27 )(col("text")),
28 )
29 ds.show()
评价此篇文章
