📝 智能文本分割工具介绍

🎯 核心功能

专业文本分割处理器 - 按标点智能分割大文本文件，保持语义完整性

✨ 主要特点

1. 🔪 智能分割

• 每份约4200字符（可调整）
• 优先在标点符号处分割（支持12种中英文标点）
• 自动处理超长段落（无标点时强制分割）

1. 🧹 空格处理

• 精确删除单空格（保留连续空格和换行符）
• 保持文本原始排版结构

1. 📁 文件管理

• 自动生成序列文件名（1111.txt, 1112.txt…）
• 自动创建输出目录（input文件夹）
• 冲突处理（自动跳过已存在编号）

1. 🖥 交互体验

• 拖拽文件即可操作
• 实时显示处理进度
• 错误自动捕获并提示

🛠️ 技术亮点

• 多标点识别（，。,.!?！？；;）
• 精确空格处理正则表达式 (?<!\s)\ (?!\s)
• 跨平台兼容（Windows/macOS/Linux）
• 完善的异常处理机制

🚀 使用流程

1. 拖拽TXT文件到窗口
2. 自动处理并显示分割结果
3. 生成序列文件到input目录
4. 自动退出（无残留）

💡 专业建议：适合处理日志文件、长篇小说、论文等大文本，保持段落完整性的同时实现均匀分割。

import os
import re
import sys
from pathlib import Path

def clean_single_spaces(text):
    """精确删除单空格（保留换行符、制表符等）"""
    return re.sub(r'(?<!\s)\ (?!\s)', '', text)

def split_at_punctuation(text, max_length=4200):
    """在标点符号处分割文本"""
    text = clean_single_spaces(text)
    chunks = []
    while len(text) > max_length:
        split_pos = max(
            text.rfind('.', 0, max_length),
            text.rfind('。', 0, max_length),
            text.rfind('!', 0, max_length),
            text.rfind('！', 0, max_length),
            text.rfind('?', 0, max_length),
            text.rfind('？', 0, max_length),
            text.rfind(',', 0, max_length),
            text.rfind('，', 0, max_length),
            text.rfind(';', 0, max_length),
            text.rfind('；', 0, max_length),
            text.rfind('\n', 0, max_length)
        )
        split_pos = split_pos if split_pos != -1 else max_length
        chunks.append(text[:split_pos+1].strip())
        text = text[split_pos+1:]
    
    if text.strip():
        chunks.append(text.strip())
    return chunks

def get_next_filename(output_dir):
    """获取下一个序列文件名"""
    n = 1111
    while os.path.exists(os.path.join(output_dir, f"{n}.txt")):
        n += 1
    return n

def process_file(input_path, output_dir):
    """处理单个文件"""
    with open(input_path, 'r', encoding='utf-8') as f:
        content = f.read()
    
    chunks = split_at_punctuation(content)
    start_num = get_next_filename(output_dir)
    
    for i, chunk in enumerate(chunks):
        output_path = os.path.join(output_dir, f"{start_num + i}.txt")
        with open(output_path, 'w', encoding='utf-8') as f:
            f.write(chunk)
    
    return len(chunks), start_num

def main():
    print("="*40)
    print(" 文本分割工具 ".center(40, '='))
    print("="*40)
    print("\n请将txt文件拖拽到本窗口，按回车确认")
    
    filepath = input("\n拖拽文件到此 > ").strip('" \n')
    
    if not filepath.lower().endswith('.txt'):
        print("\n错误：仅支持txt文件")
        sys.exit(1)
    
    try:
        output_dir = os.path.join(os.path.dirname(filepath), "input")
        os.makedirs(output_dir, exist_ok=True)
        
        chunk_count, start_num = process_file(filepath, output_dir)
        
        print(f"\n分割完成！生成文件：")
        print(f"{start_num}.txt 到 {start_num + chunk_count - 1}.txt")
        print(f"输出路径：\n{output_dir}")
        print("\n自动退出...")
        sys.exit(0)
    except Exception as e:
        print(f"\n错误: {str(e)}")
        sys.exit(1)

if __name__ == "__main__":
    import time  # 新增延时退出功能
    main()