如何在同一个令牌中匹配数字和文本 - Spacy Matcher？答案

【问题标题】：How to match number and text in same token - Spacy Matcher?如何在同一个令牌中匹配数字和文本 - Spacy Matcher？
【发布时间】：2020-04-06 22:45:27
【问题描述】：

我有以下句子，我想从中提取 '12am'。

He is working at 12am

我正在使用 Spacy Matcher（语言模型 en_core_web_lg），它将文本分成以下标记：

[He] [is] [working] [at] [12am]

我尝试的模式是：

[{ "LIKE_NUM": true }, {"IS_SPACE": false}, { "LOWER": "am" }],
[{ "LIKE_NUM": true , "LOWER": "am" }],
[{ "SHAPE": 'dd' , "ORTH": "am" }]

到目前为止没有任何效果。基本上因为令牌是 [12am]。

我需要帮助来创建匹配模式：

任何建议表示赞赏。谢谢

【问题讨论】：

【解决方案1】：

无需为此使用 spaCy，您可以使用简单的正则表达式。但是，如果您想使用 spaCy，我将在下面介绍如何使用 spaCy 匹配器正则表达式功能。

使用正则表达式

模式：[0-9]+[,.]?[0-9]+[ ]?[A-Za-z]+

解释：您寻找任何重复的 1+ 个字符 ([0-9]+) 的数字。然后有一个可选的点、逗号 ([,.]?) 和其他字符 ([0-9]+)。然后，有一个可选的空格（[ ]?），后跟大写或小写字符（[A-Za-z]+）。

如果是这样，您可以修改它以排除空格。

这是一个活生生的例子：https://regex101.com/r/HmTKD7/1

在python中：

import re
pattern = r'[0-9]+[,.]?[0-9]+[ ]?[A-Za-z]+'
results = re.findall(pattern, text)

使用 spaCy 匹配器：

在 spaCy 中，您可以执行以下匹配器：

pattern = [{"TEXT": {"REGEX": "[0-9]+[,.]?[0-9]+[A-Za-z]+"}}]

请记住，如果数字和度量类型之间有空格，spacy 将分成两个标记。这就是模式的正则表达式不涉及空格的原因。

目前无法在https://explosion.ai/demos/matcher 中使用 REGEX 进行现场演示，但 REGEX 自 v2.1 起就在 spaCy 匹配器中。

【讨论】：