Python 给定单词模式及其偏移量，找出其在句子中的位置/顺序

我有一张这样的目录：

{'content': '@aaaaaaaaaaa People are going to find it hard to believe that Miliband makes it up as he goes along more than Osborne.',
 'entities': [{'named_entity': 'miliband', 'offset': 62}]}

因此，我在内容（我使用

re.compile（r'\b（{0}）\b'）

进行匹配）中有与“miliband.”匹配的“miliband”（即第一个miliband）等实体，以及其起始字母的偏移量。我想找出“Miliband”在句子中的位置，即“Miliband.”是句子中的第11个单词

不管怎样，我能做到吗？？我想我必须首先标记这个句子，但是我如何利用偏移量来识别正确的匹配词，从而确定它在标记化列表中的位置

谢谢

更新：

---

关于实体词前面的特殊字符/标点符号。e、 例如，“#米利班德”和

s=“你好，世界#米利班德”；pos=13；pos_word=len（s[：62].split（））=3，由于“#”，它应该是2（从0开始）。程序是否有任何方法使用该偏移量（即13）并识别该字符是否在第三个标记化单词“#miliband”的偏移量范围内，因此=2？
您就快到了，请使用您已经找到的位置（62）。这就是你的位置，你所需要做的就是把代币数到你匹配的单词

s="People are going to find it hard to believe Miliband. Miliband makes it up as he goes along more than Osborne.',"

pos = 62

pos_word = len(s[:62].split())

print pos_word

这等于11。和往常一样，你可能需要-1或+1来获得准确的数字，但这应该是可行的。
你就快到了，使用你已经找到的位置（62）。这就是你的位置，你所需要做的就是把代币数到你匹配的单词

s="People are going to find it hard to believe Miliband. Miliband makes it up as he goes along more than Osborne.',"

pos = 62

pos_word = len(s[:62].split())

print pos_word

这等于11。和往常一样，你可能需要-1或+1来获得准确的数字，但这应该是可行的。
你就快到了，使用你已经找到的位置（62）。这就是你的位置，你所需要做的就是把代币数到你匹配的单词

s="People are going to find it hard to believe Miliband. Miliband makes it up as he goes along more than Osborne.',"

pos = 62

pos_word = len(s[:62].split())

print pos_word

这等于11。和往常一样，你可能需要-1或+1来获得准确的数字，但这应该是可行的。
你就快到了，使用你已经找到的位置（62）。这就是你的位置，你所需要做的就是把代币数到你匹配的单词

s="People are going to find it hard to believe Miliband. Miliband makes it up as he goes along more than Osborne.',"

pos = 62

pos_word = len(s[:62].split())

print pos_word

这等于11。和往常一样，你可能需要-1或+1才能把数字弄清楚，但这应该行得通。
从你的问题来看，我不确定你想达到什么目的。不过，希望这会有所帮助。首先需要拆分句子，然后使用索引查找列表中第一个出现的单词

d = {'content': 'People are going to find it hard to believe Miliband. Miliband makes it up as he goes along more than Osborne.', 'entities': [{'named_entity': 'miliband', 'offset': 62}]}

>>> d['content'].split().index('Miliband')
10

请注意，偏移量62表示第二个毫米波段

>>> d['content'][:62]
'People are going to find it hard to believe Miliband. Miliband'

使用字典的偏移量：

>>> len(d['content'][0:d['entities'][0]['offset']].split())
11

从你的问题来看，我不确定你想要实现什么。不过，希望这会有所帮助。首先需要拆分句子，然后使用索引查找列表中第一个出现的单词

d = {'content': 'People are going to find it hard to believe Miliband. Miliband makes it up as he goes along more than Osborne.', 'entities': [{'named_entity': 'miliband', 'offset': 62}]}

>>> d['content'].split().index('Miliband')
10

请注意，偏移量62表示第二个毫米波段

>>> d['content'][:62]
'People are going to find it hard to believe Miliband. Miliband'

使用字典的偏移量：

>>> len(d['content'][0:d['entities'][0]['offset']].split())
11

从你的问题来看，我不确定你想要实现什么。不过，希望这会有所帮助。首先需要拆分句子，然后使用索引查找列表中第一个出现的单词

d = {'content': 'People are going to find it hard to believe Miliband. Miliband makes it up as he goes along more than Osborne.', 'entities': [{'named_entity': 'miliband', 'offset': 62}]}

>>> d['content'].split().index('Miliband')
10

请注意，偏移量62表示第二个毫米波段

>>> d['content'][:62]
'People are going to find it hard to believe Miliband. Miliband'

使用字典的偏移量：

>>> len(d['content'][0:d['entities'][0]['offset']].split())
11

从你的问题来看，我不确定你想要实现什么。不过，希望这会有所帮助。首先需要拆分句子，然后使用索引查找列表中第一个出现的单词

d = {'content': 'People are going to find it hard to believe Miliband. Miliband makes it up as he goes along more than Osborne.', 'entities': [{'named_entity': 'miliband', 'offset': 62}]}

>>> d['content'].split().index('Miliband')
10

请注意，偏移量62表示第二个毫米波段

>>> d['content'][:62]
'People are going to find it hard to believe Miliband. Miliband'

使用字典的偏移量：

>>> len(d['content'][0:d['entities'][0]['offset']].split())
11

你的预期产量是多少？为什么希望正则表达式与第一个匹配？我的expect输出只是匹配字的位置，在“Miliband”的情况下，->11。因为我想匹配那些在“miliband”之前或之后有特殊字符/标点的字符，因为我看到你有两个不同的问题。一个是与您正在搜索的内容相匹配的适当regexp“毫频带”，“毫频带”。幼稚地，我会考虑任何非字母数字字符作为你的词的边界。不仅仅是\bxxx\b。第二个是分割计数，以找到您的单词位置。我不认为这些是独立的关注点，我也不认为前面的正则表达式，尽管它们很棘手。你的单词边界模式可能会进入我的天真分裂。正则表达式允许多个拆分，请使用它们。如果您认为空格和#是单词拆分，那么它们在您的初始正则表达式中属于这样的类型，即找到62（这是错误的答案），然后是找到单词位置的第二个正则表达式。看看你是否想把一个正则表达式循环到另一个正则表达式，这让我觉得正则表达式包甚至可能包含完整的答案。i、 e.按您的搜索模式分割，毫带+边界限定符\b'#。然后按边界限定符\b#拆分以查找单词pos。这些都是相关的问题，使用单元测试来梳理代码。正则表达式的功能非常强大。如果代码很复杂，我觉得自己很笨=>退出unittest。您期望的输出是什么？为什么希望正则表达式与第一个匹配？我的expect输出只是匹配字的位置，在“Miliband”的情况下，->11。因为我想匹配那些在“miliband”之前或之后有特殊字符/标点的字符，因为我看到你有两个不同的问题。一个是与您正在搜索的内容相匹配的适当regexp“毫频带”，“毫频带”。幼稚地，我会考虑任何非字母数字字符作为你的词的边界。不仅仅是\bxxx\b。第二个是分割计数，以找到您的单词位置。我不认为这些是独立的关注点，我也不认为前面的正则表达式，尽管它们很棘手。你的单词边界模式可能会进入我的天真分裂。正则表达式允许多个拆分，请使用它们。如果您认为空格和#是单词拆分，那么它们在您的初始正则表达式中属于这样的类型，即找到62（这是错误的答案），然后是找到单词位置的第二个正则表达式。