如何使用 python spacy 匹配器匹配 phone 类型 (0)20 111 2222

Question

我正在尝试以下模式：

pattern = [ {'ORTH': '('}, {'SHAPE': 'd'},
            {'ORTH': ')'},
            {'SHAPE': 'dd'},
            {'ORTH': '-', 'OP': '?'},
            {'SHAPE': 'ddd'},
            {'ORTH': '-', 'OP': '?'},
            {'SHAPE': 'dddd'}]
matcher.add('PHONE_NUMBER_E', None, pattern)

如果我将 space 添加到括号后的 phone 数字（例如 (0) 20 111 2222），则此方法有效，否则无效。我才开始使用 python，所以我确信我遗漏了一些简单的东西。感谢您的帮助。

Answer 1

使用 spacy 匹配字符串与使用正则表达式匹配字符串的问题在于，使用 spacy 你[几乎] 永远不会事先知道分词器会对你的字符串做什么：

与 space:

doc = nlp("This is my telephone number (0) 20 111 2222")
[tok.text for tok in doc]
['This', 'is', 'my', 'telephone', 'number', '(', '0', ')', '20', '111', '2222']

没有space:

doc = nlp("This is my telephone number (0)20 111 2222")
[tok.text for tok in doc]
['This', 'is', 'my', 'telephone', 'number', '(', '0)20', '111', '2222']

考虑到这一点，您可以编写两种格式的模式：

doc = nlp("My telephone number is either (0)20 111 2222 or (0) 20 111 2222")
matcher = Matcher(nlp.vocab, validate=True)
pattern1 = [ {'ORTH': '('}, {'SHAPE': 'd'},
            {'ORTH': ')'},
            {'SHAPE': 'dd'},
            {'ORTH': '-', 'OP': '?'},
            {'SHAPE': 'ddd'},
            {'ORTH': '-', 'OP': '?'},
            {'SHAPE': 'dddd'}]

pattern2 = [ {'ORTH': '('},
            {'TEXT':{'REGEX':'[\d]\)[\d]*'}},
            {'ORTH': '-', 'OP': '?'},
            {'SHAPE': 'ddd'},
            {'ORTH': '-', 'OP': '?'},
            {'SHAPE': 'dddd'}]
matcher.add('PHONE_NUMBER_E', None, pattern1, pattern2)
matches = matcher(doc)
for match_id, start, end in matches:
    string_id = nlp.vocab.strings[match_id]
    span = doc[start:end] 
    print(span)
(0)20 111 2222
(0) 20 111 2222

如何使用 python spacy 匹配器匹配 phone 类型 (0)20 111 2222

How can I match a phone number of type (0)20 111 2222 using python spacy matcher

python

matcher

spacy