Python 将名字和姓氏标记为一个标记

是否可以在标记中标记文本，以便将名字和姓氏组合在一个标记中？ 例如，如果我的文本是：

text = "Barack Obama is the President"

然后：

结果：

['Barack', 'Obama', 'is', 'the, 'President']

我怎样才能认出名字和姓氏？所以我只得到了作为代币的

['barackobama'，'is'，'the'，'President']

---

有没有办法在Python中实现它？

这里有一个正则表达式可以满足您的问题。它将查找以小写字符开头的单个单词，或匹配单个或成对的大写单词

import re
re.findall(r"[a-z]\w+|[A-Z]\w+(?: [A-Z]\w+)?",text)

输出

['Barack Obama', 'is', 'the', 'President']

---

您正在寻找的是命名实体识别系统。我建议你不要认为这是标记化的一部分。< /P> 对于python，您可以使用

来自站点的示例

>>>tagger.json_实体（“爱丽丝去了自然历史博物馆。”）
“{“组织”：[“自然历史博物馆”]，“人”：[“爱丽丝”]}”

---

这很有帮助：谢谢你的回答，这是一个很好的开始，但不是很准确，因为如果文本是：

巴拉克·奥巴马先生是总统

，它将产生：

['Mr Barack'、'Obama'、'is'、'the'、'President']

。如果你想捕获大写单词的较长连续短语，请将模式更改为

r”[a-z]\w+[a-z]\w+（？：[A-Z]\w+*”

但正则表达式确实有其局限性。我建议研究NER（命名实体识别）系统，如感谢，它看起来像是一个很好的工具，但我无法让它工作，因为这个错误：

NLTK无法找到java文件！使用特定于软件的配置参数或设置JAVAHOME环境变量。

，但是我接受答案。

['Barack Obama', 'is', 'the', 'President']