获取字符串中数字的索引并提取数字前后的单词（不同语言）

Question

我尝试使用正则表达式并找到了数字，但没有找到整个数字的索引，而是只为数字中的第一个字符获取索引

text = "४०० pounds of wheat at $ 3 per pound"
numero = re.finditer(r"(\d+)", text) ####
op = re.findall(r"(\d+)", text) ####

indices = [m.start() for m in numero]
OUTPUT

[0, 25]

***Expected OUTPUT***
[0, 6]

找到准确的索引并存储在列表中后，提取单词会更容易。这就是我所相信的？你怎么看？

此外，我希望在不同位置使用单词，因此它不能是静态方法

Answer 1

您可以将其标记化并以此方式构建您的逻辑。试试这个：


number_index = []
text = "४०० pounds of wheat at $ 3 per pound"
text_list = text.split(" ")

# Find which words are integers.
for index, word in enumerate(text_list):
    try:
        int(word)
        number_index.append(index)
    except:
        pass

# Now perform operations on those integers
for i in number_index:
    word = text_list[i]
    # do operations and put it back in the list

# Re-build string afterwards

Answer 2

您用 nlp tag and it is a python question, why don't you use Spacy?

标记了问题

查看 Spacy 3.0.1 的 Python 演示：

import spacy
nlp = spacy.load("en_core_web_trf")
text = "४०० pounds of wheat at $ 3 per pound"
doc = nlp(text)
print([(token.text, token.i) for token in doc if token.is_alpha])
## => [('pounds', 1), ('of', 2), ('wheat', 3), ('at', 4), ('per', 7), ('pound', 8)]
## => print([(token.text, token.i) for token in doc if token.like_num])
[('४००', 0), ('3', 6)]

这里，

nlp对象初始化为英文“big”模型
doc 是用您的 text 变量初始化的 Spacy 文档
[(token.text, token.i) for token in doc if token.is_alpha] 为您提供字母单词列表及其值 (token.text) 及其在文档中的位置 (token.i)
[(token.text, token.i) for token in doc if token.like_num] 获取数字列表及其在文档中的位置。

获取字符串中数字的索引并提取数字前后的单词（不同语言）

Get the indices of numbers in a string and extract words before and after the number (in different languages)

python

regex

nlp

text-extraction