如何在特定字符串之后找到第一次出现的数字+单词组合？答案

【问题标题】：How to find the first occurence of a number+word combo after a particular string?如何在特定字符串之后找到第一次出现的数字+单词组合？
【发布时间】：2021-08-05 09:06:19
【问题描述】：

我有一个字符串，它本质上是一个页面的文本。

示例是：“最终，饼干耳垢 12 以及阅读时间：最多 15 分钟”。

我要提取的是在子字符串“阅读时间”之后第一次出现“2 位数字 + 分钟”。我的字符串要大得多，并且到处都有一些数字，所以我想使用正则表达式来执行此操作，但我不确定如何从这里开始。

示例：

输入：“最终，饼干耳垢 12 以及阅读时间：最多 15 分钟”

输出：“15 分钟”

【问题讨论】：

可以对字符串str.partition('Reading Time')进行分区，然后使用正则表达式

标签： python regex string

【解决方案1】：

这是一行：

print(s[s.find("Reading Time") + s[s.find("Reading Time") : len(s)].find("minutes") - 3 : s.find("Reading Time") + s[s.find("Reading Time") : len(s)].find("minutes") + 7])

【讨论】：

【解决方案2】：

这与正则表达式有点不同，但为什么不利用更强大的自然语言处理 Python 库来实现呢？

这是 spaCy 的 Matcher 的示例（如果您接受额外的依赖项，https://spacy.io/usage/rule-based-matching 应该比正则表达式更灵活且易于使用）：

import spacy
from spacy.matcher import Matcher

nlp = spacy.load("en_core_web_sm")
matcher = Matcher(nlp.vocab)

pattern = [{"LOWER": "reading"}, # we require 'reading time' to be in the pattern
           {"LOWER": "time"},
           {"OP": "*"}, # there may be some stuff (optionally)
           {"LIKE_NUM": True}, # then we look for a number and 'minutes'
           {"LOWER": "minutes"}]

matcher.add("duration", [pattern])

# some tests, and just two of them should give in output something
tests = ["Ultimately, biscuits earwax 12 as well as Reading Time: up to 15 minutes",
         "I wonder if this will take a reading time of more than 15 or 17 minutes in the end",
         "Will it take us more than 50 minutes?",
         "I don't have anything like 'reading time'",
         "spaCy rocks!"]

# print results for each example
for test in tests:
  doc = nlp(test)
  matches = matcher(doc)
  for match_id, start, end in matches:
    print(doc[end-2:end]) # just get the final two tokens

通过调整pattern，您应该可以根据自己的需要匹配句子。

【讨论】：