本文介绍一种基于正则表达式的可靠方法，用于修复无空格编号列表（如“1.pizza2.burger”）在语音合成中的误读问题，自动在数字编号与文字间插入空格，并严格截取前3项，兼顾可读性与tts友好性。
在语音合成（TTS）场景中，连续紧凑的编号列表（例如 "1.Pizza2.Burger3.Sushi"）极易被引擎误判为单个词（如将 "1.Pizza" 读作“一一点披萨”或连读成“十一点萨”），严重影响听感。根本原因在于编号与后续文本间缺乏语义分隔——缺少空格，且标点（如 .）常混杂多余空白（如 "1 . Pizza"）。理想输出应为规范、易解析的格式："1. Pizza 2. Burger 3. Sushi"，即：每个编号后紧跟一个英文句点、一个空格，再接内容；且仅保留前三项。
直接对原始字符串按换行或冒号分割（如原代码中 split(":") + split("\n")）在实际文本中并不可靠——输入往往不含换行符，而是平铺在一行内，且编号之间无分隔。此时，正则表达式是更鲁棒的解决方案。
以下是一个经过验证的专业实现：
import re
def post_processing(text):
"""
针对语音合成优化列表格式：
- 提取前3个形如 '数字+任意空白+点+内容' 的编号项；
- 清理编号后的冗余空格（如 '1 .' → '1.'）；
- 在每个编号项末尾统一添加空格，实现项间分隔。
Args:
text (str): 原始输入文本（可能含冒号引导语、URL等）
Returns:
str: 格式化后的列表字符串，如 "1. Pizza 2. Burger 3. Sushi"
"""
# 步骤1：移除URL（避免干扰匹配）
text = re.sub(r"https?://\S+", "", text)
# 步骤2：使用高精度正则提取前3个编号项
# \b 确保数字开头不被部分匹配；\s* 容忍任意空白；\..*? 非贪婪匹配到下一个编号前
pattern = r"\b(\d+\s*\..*?)(\d+\s*\..*?)(\d+\s*\..*?)(?=\d+\.|$)"
match = re.search(pattern, text, re.DOTALL)
if not match:
return text.strip() # 未匹配到列表，返回清理后的原文
# 步骤3：对每个捕获组标准化编号格式（如 '1 .' → '1.'），并去除末尾多余标点/空格
cleaned_items = []
for group in match.groups():
# 统一编号格式：数字 + 紧跟句点（移除中间空格）
normalized = re.sub(r"(\d)\s*\.", r"\1.", group)
# 移除项内结尾可能的重复标点（如多个点、省略号）和尾部空白
trimmed = re.sub(r"[.]{2,}$", ".", normalized.strip())
cleaned_items.append(trimmed)
# 步骤4：用单个空格连接三项，形成TTS友好的线性列表
return " ".join(cleaned_items)
# ✅ 测试用例
text = "Suggestions for restaurants:1 . Pizza2. Burger3. Sushi4. Noodles..."
print(post_processing(text)) # 输出：1. Pizza 2. Burger 3. Sushi关键设计说明：
- ✅ 精准定位：\b(\d+\s*\..*?) 捕获每个“数字+任意空白+点+后续内容”的最小单元，(?=\d+\.|$) 确保第三项后紧跟第四项或字符串结束，避免过度匹配；
- ✅ 鲁棒清洗：re.sub(r"(\d)\s*\.", r"\1.", ...) 将 "1 ."、"2."、"3 ." 全部归一为 "1."、"2."、"3."；
- ✅ 防错兜底：若未匹配到三组（如原文仅两项），函数安全返回原文清理版，避免崩溃；
- ✅ TTS就绪：最终输出为纯空格分隔的短字符串，无换行、无多余标点，完美适配主流语音引擎的分词逻辑。
⚠️ 注意事项：该方案假设编号为阿拉伯数字（1.、2.…），不支持罗马数字或字母编号（如 a.、i.）。如需扩展，可将 \d+ 替换为更通用的编号模式（如 [0-9a-zA-Z]+），但需同步增强边界判断以防误匹配。此外，若原始文本中编号与内容间存在括号、破折号等复杂分隔符，建议在 .*? 后增加针对性清洗逻辑。
