Parsing 如何解析文本对于形式语法来说太可变，但是对于NLP来说太受限？

我正在处理一个非正式编写的文本语料库，但通常按照惯例遵循非常标准的格式（比如Froyo冷冻酸奶、Smucker花生酱），偶尔需要递归（Froyo冷冻酸奶和Smucker花生酱）

有了regexes，复杂性很快变得难以控制（Froyo的冷冻酸奶、Smucker's的Froyo冷冻酸奶和花生酱等）

---

我很难找到资源来帮助我为此编写一个EBNF，而且NLP方法太复杂了（加上我的“词类”与普通英语并不完全对应）。是否有针对半形式化文本的中间方法

您可以将一个便宜且简单的EBNF“构建”到您最喜欢的编程语言中，例如：（伪代码，让我们假设这些变量代表正则表达式）

---

（这是第一个例子）

这类词汇的其他一些例子可能是瓦雷斯版本的命名规则：和欧洲贵族头衔：我认为我们需要更多的例子来说明什么是有效的，什么是无效的。一些合理的模板：[制造商][风味][食品类型]，[风味][食品类型]（由[制造商]——我们有一个完整的（ish）食品类型和可能的制造商词典。人为的例子：由雀巢和Nabisco生产的含Praline的Edy巧克力片冰淇淋（解析树是这样的：）无效：Smucker的赛车（未知食品类型）、由Froyo进口的酸奶（由“未知关系”进口）、锐步冰淇淋（锐步以不是食品制造商而闻名）。这些可以用自由形式的句子出现（我喜欢斯莫克的花生酱）但更重要的是解决独立案例我不确定你的问题是什么..你想做什么？你能在问题主体中提供一些示例输入/输出，说明你想做什么以及为什么这是一个棘手的问题。你是想在文本中识别产品名称，还是试图解析st包含产品全名的环，并标识该名称的不同组成部分？

var digit_excluding_zero = "1|2|3|4|5|6|7|8|9";
var digit = "0|" + digit excluding zero;