如何使用 spacy 短语匹配器使用正则表达式提取 IP 地址答案

【问题标题】：How to Extract IP address using regex using spacy Phrase matcher如何使用 spacy 短语匹配器使用正则表达式提取 IP 地址
【发布时间】：2020-05-25 17:17:34
【问题描述】：

text="Link down , Bypass (92.33.2222.88)  is not pinging"

doc=nlp(text)


pattern= [ {"TEXT": {"REGEX": "[\(][0-9]+[\.][0-9]+[\.][0-9]*[\.][0-9]*[\)]"}}]
matcher=Matcher(nlp.vocab)
matcher.add("ip",None, pattern)
matches=matcher(doc)
matches
[]    
# no match found!!

否则，正则表达式工作正常：

re.findall("[\(][0-9]+[\.][0-9]+[\.][0-9]*[\.][0-9]*[\)]" ,text)

输出：['(92.33.2222.88)']

【问题讨论】：

标签： regex spacy matcher phrase

【解决方案1】：

首先，(92.33.2222.88) 不是有效 IP。

如果你不关心 IP 有效性，下一个问题是 ( 和 ) 不是 IP 令牌的一部分，print([(t.text, t.pos_) for t in doc]) 命令显示 ('92.33.222.88', 'NUM')，所以你的模式在这里无效，因为你将( 和) 包含在模式中。

如果您打算匹配digit.digits.digits.digits 的任何块，您可以使用

pattern= [ {"TEXT": {"REGEX": r"^\d+(?:\.\d+){3}$"}}]
matcher.add("ip", None, pattern)

如果您只想匹配有效的 IPv4 字符串，请使用

octet_rx = r'(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)'
pattern= [ {"TEXT": {"REGEX": r"^{0}(?:\.{0}){{3}}$".format(octet_rx)}}]
matcher.add("ip", None, pattern)

完成测试sn-p：

import spacy
from spacy.matcher import Matcher

nlp = spacy.load("en_core_web_sm")

matcher = Matcher(nlp.vocab)
octet_rx = r'(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)'
pattern= [ {"TEXT": {"REGEX": r"^{0}(?:\.{0}){{3}}$".format(octet_rx)}}]
matcher.add("ip", None, pattern)

doc = nlp("Link down , Bypass (92.33.222.88)  is not pinging")
matches = matcher(doc)
for match_id, start, end in matches:
    string_id = nlp.vocab.strings[match_id]
    span = doc[start:end]
    print(match_id, string_id, start, end, span.text)
# => 1699727618213446713 ip 5 6 92.33.222.88

【讨论】：

谢谢..我想匹配 (digit.digit.digit.digit) 和 pattern= [ {"TEXT": {"REGEX": r"^\d+(?:\.\ d+){3}$"}}] 完美运行.. 是的，(92.33.2222.88) 不是有效 IP，我随机输入了一个示例..