【发布时间】:2019-06-04 23:13:01
【问题描述】:
我想为这样的确切单词找到一个模式(WITH RE.COMPILE),
想象这样的词 [以太、高度、远日点、西]
哪种捕获词或带标点符号的词,以一种我可以在spacy中使用的方式,我使用了这个但是它不起作用
regex_patterns = [
re.compile(r'aether?,|altitude?,|aphelion?,|apside?,|apsis?,|ascension?,|autumnal equinox?,|east?.|eastward?,|eclipse?,|ecliptic?,|elliptical?,|epicycle?,|equinoctical?,|exquinox?,|fixed star?,|latitude?,|longitude?s|mean ecliptic?,|meridian?,|mobile star?,|node?,|nodes?,|north?,|octant?,|orbit?,|\borbital?,|\bparallax?,|\brays?,|\bretrograde?,|rise?,|sidereal?,|sidereal position?,|solstice?,|south?,|star?,|vernal equinox?,|west?,')
]
如果正则表达式捕获“单词”和“单词”,那就太好了(单词+标点符号) 就像这句话一样
“西,可以看看”
结果应该是
西部,
【问题讨论】:
-
它应该是
,?作为可选的逗号,而不是?, -
在 spacy 中如何使用它?请说清楚。 Spacy 有一个分词器,可以以复杂的方式处理文本。您是否尝试为自定义标记器设置例外?
-
你认为单词的边界是什么?正则表达式提供
\b,这是从\w到\W,或从\W到\w的转换。\w=[a-zA-Z0-9_]和\W正好相反。