Python 空间查找指定单词之前的文本
我正在写一句话Python 空间查找指定单词之前的文本,python,regex,nlp,spacy,Python,Regex,Nlp,Spacy,我正在写一句话霍尔是托尼奖获得者和格莱美提名者，我想用spaCy规则匹配器提取所获得的奖项（托尼奖），但我似乎无法告诉spaCy查找出现在获胜者之前的单词。可能吗？如果是这样的话，我们怎么能去做呢 nlp = en_core_web_sm.load() awards_lexical = [ {'TEXT': {'REGEX': '\s*'}, 'OP': '*'}, {'IS_PUNCT': True, 'OP': '*'},
霍尔是托尼奖获得者和格莱美提名者托尼奖获胜者nlp = en_core_web_sm.load()
awards_lexical = [
{'TEXT': {'REGEX': '\s*'}, 'OP': '*'},
{'IS_PUNCT': True, 'OP': '*'},
{'TEXT': {'REGEX': '^(winner|recipient)$'}},
{'OP': '+'},
]
def matching(doc, pattern):
result = []
for sent in doc.sents:
matcher = Matcher(nlp.vocab)
matcher.add("matching", None, pattern)
matches = matcher(nlp(str(sent)))
if len(matches)>0:
match = matches[-1]
span = sent[match[1]:match[2]]
result.append(span.text)
return result
csv_reader = csv.reader(open('Matheus_Schmitz_hw02_bios.csv', encoding='utf-8'))
limit = 500
count = 0
open("hw2_lexical.jl", "w").close()
with open('hw2_lexical.jl', 'w') as hw2_lexical:
for (idx, (url, bio)) in tqdm(enumerate(csv_reader), total=limit):
count += 1
result = {}
result['url'] = url
result['awards'] = matching(nlp(bio), awards_lexical)
hw2_lexical.write(str(result)+'\n')
if count>=limit:
break
pass
hw2_lexical.close()
print(count)
根据我的代码，我认为spaCy会在所选单词之前包含任何文本，但我所有的变体都只是给我从winner | won | Dewarded开始的文本，而不是之前的文本，这是奖品名称最常出现的地方。你的想法似乎有效，您可以使用提取一个或多个大写单词，后跟
winnerrecipient导入空间
从spacy.matcher导入matcher
text=“霍尔是托尼奖得主和格莱美提名人”
nlp=空间负荷（“核心网络负荷”）
matcher=matcher（nlp.vocab）
add（“Winner”，None，[{'POS'：'PROPN'，'OP'：'+'}，{'TEXT'：{'REGEX'：'（？i）^（？：Winner | recipient）$'}]）
doc=nlp（文本）
匹配=匹配器（文档）
span=[doc[start:end]表示匹配项中的开始、结束]
对于spacy.util.filter_span中的span（span）：
打印（span.text）
#=>托尼奖得主
模式中用作右手标记的
（？i）^（？：winner | recipient）$winnerrecipient匹配winnerwinner