根据条件删除特殊字符并替换为相关文本答案

【问题标题】：Removing special characters and replacing with relevant text based on conditions根据条件删除特殊字符并替换为相关文本
【发布时间】：2020-05-15 07:31:41
【问题描述】：

当我在某些文档上运行 OCR 时，日期前缀会被 # 或任何特殊字符替换。结果，我的 NER 需要月份和年份，但没有考虑日期编号。

我尝试过 pyspellchecker、gingerit 和其他拼写正确的库，但没有任何帮助

例如：
1. 15% 2019 年 3 月
2. 2020 年 10 月 3 英寸

我想根据两个条件替换 OCR 输出中的特殊字符：

1. Its starts with a number  
2. Its followed by a month

需要的输出：

1. 15th March 2019  
2. 3rd oct 2020

你能帮我写同样的python代码吗？

我尝试了正则表达式，但在添加月份条件时遇到了困难。

代码：

r = re.compile(r"(?:^|\s)([0-9?])(\w+)")
items = r.findall(f)[![enter image description here][1]][1]

text = "on 13# november 1990 we sign the deal"
for word in text.split():
    if word.startswith("0" or '1' or '3') or word.endswith("#"):
        print (word)

【问题讨论】：

嗨，请分享一些代码。
添加了代码。

标签： python-3.x regex nlp

【解决方案1】：

这个Regex 短语可以作为一个很好的起点：

([12]\d|3[01]|0?[1-9]).\s+\w+\s+[12][0-9]{3}

解释：

([12]\d|3[01]|0?[1-9]) - 代表月份中的天数 (1-31)
[12][0-9]{3} - 代表年份 (1000-2999)
. - 恰好是任何字符之一
\s+\w+\s+ - 一个或多个完整单词前后的空格

【讨论】：