如何在同一令牌空间匹配器中匹配数字和文本？

Question

我有下面的句子，我想从中提取出“12am”

He is working at 12am

我正在使用Spacy Matcher（语言模型en_core\u web\u lg），它将文本分解为以下标记：

[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，一切都不起作用。基本上，因为令牌是[12am]

我需要帮助来创建匹配模式：

谢谢你的建议。谢谢

Answer 1

不需要使用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 matcher regex功能

使用Regex

模式：[0-9]+[,.]?[0-9]+[ ]?[A-Za-z]+

说明：查找1+字符（[0-9]+）的任何重复数字。还有一个可选的点、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]+）

如果你是这样的话，你可以修改它以排除空白

这里有一个活生生的例子：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)

使用空间匹配器：

在spaCy中，您可以执行以下匹配：

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

请记住，如果数字和度量值类型之间有空格，spacy将分成两个标记。这就是为什么模式的正则表达式不包含空格

目前还没有办法在https://explosion.ai/demos/matcher中使用正则表达式来演示实时演示，但从v2.1开始，正则表达式就在spaCy matcher中