Python NLTK区块解析器：如何转义特殊字符

因此，我试图从文本中提取一些信息，并使用NLTK分块

这是我的意见

股票上涨67%，去年下跌12%

我想抓住

67%上升

和

12%下降

以上句子的词性标注显示

('The', 'DT'), ('stocks', 'NNS'), ('show', 'VBP'), ('67', 'CD'), ('%', 'NN'), ('rise', 'NN'), (',', ','), ('last', 'JJ'), ('year', 'NN'), ('it', 'PRP'), ('was', 'VBD'), ('12', 'CD'), ('%', 'NN'), ('fall', 'NN')

现在，我想出了一个简单的规则

Stat:{（+||JJ）}

它工作得很好，可以捕获

('67', 'CD'), ('%', 'NN'), ('rise', 'NN')

('12', 'CD'), ('%', 'NN'), ('fall', 'NN')

但在我的数据集中，我有

500万美元

那是

（'5'，'CD'），（'man'，'NN'），（'stock'，'NN'）

而且也被错误地捕获。所以我想在规则中加入

%

符号

Stat:{（+||JJ）}

但这条规则现在什么都不符合。如何在区块规则中转义/包含

%

更新

所以，我不明白的是，我可以匹配其他特殊字符。例如，如果我有一个规则

XYZ:{}

这与输入中的所有

：

匹配。所以我想做的就是

XYZ:{}

这是行不通的。我已尝试通过退出

%

XYZ:{}

---

但这也不起作用。我试过

\

，但没用。我真的不想修改输入字符串，因为一旦匹配，我想找出匹配字符串的索引。因此，如果我修改输入字符串，除非我先做一个反向转换，否则它将丢弃我的索引，因为它是一个正则表达式，您可以对它进行转义

Stat: {<CD><\%>(<NN>+|<VBN>|JJ)?}

Stat:{（+| | JJ）}

您还可以有一个要替换的关键字列表，这样块规则就不会变得太长

e、 g

s='56%上升，75%下降'
gen_替换=[（“%”、“百分比”）、（“百分比”）、“百分比”）等]
对于ndl，gen_更换件中的rpl：
s=s.replace（“%s”%ndl，“%s”%rpl）
统计：{（+| | JJ）}

使用如下模式

---

+

你确定你熟悉ChunkParser解释块表达式的方式吗？它对标记文本进行操作。lenz:你能解释一下吗？我的后一个建议？这不是作为一个有效的例子，而是作为一个建议。我个人并不使用NLTK，但通过阅读NLTKs文档，似乎可以通过转义包含诸如%之类的字符，因为规则只是正则表达式。它们不仅仅是正则表达式–否则，

+

将被解释为“一个小于，两个N，一个或多个大于”，而不是“一个或多个名词”。还有一个额外的翻译步骤。它们应用于标记序列，而不是文本本身。顺便说一句：请在我的名字前面使用“@”，这样当你在这里问我问题时，我会收到通知。我想你无法匹配文本（

%

），只有它的标记（奇怪的是，

NN

）。如果您得到另一个POS标记器，它为

%

提供了一个不同的标记，那么您可能能够改进chunker。我是否能够将nltk的chunker与其他POS标记器一起使用？nltk是否有其他POS标记器可用？或者我应该使用类似于斯坦福POS标记器的东西？@lenz有没有办法指定一个规则，例如

NN匹配字符串%

？如果标记器的标记集与块规则中的标记集相同，则可以使用任何标记器，即使是NLTK之外的标记器（或Python）。可能有一种方法可以指定令牌，而不仅仅是它的标签，但我在文档中找不到任何相关内容。无论如何，这与转义无关。也许你应该改写问题（及其标题），或者发布一个新问题以引起正确的人的注意。

s = '56% rise and 75% fall'
gen_replacements = [('%', 'PERCENTAGE'), ('perc.', 'PERCENTAGE'), etc]
for ndl, rpl in gen_replacements:
    s = s.replace(' %s ' % ndl, ' %s ' % rpl)

Stat: {<CD><PERCENTAGE>(<NN>+|<VBN>|JJ)?}