在 SpaCy 中使用 REGEX 和 ORTH 作为短语匹配的一部分
Using REGEX and ORTH as part of phrasematching in SpaCy
我对大量规则使用了 spacy 的短语匹配，其中一些是公司股票代码，以让我们说的形式出现：
AAPL.NY
BB.TX
或者这些可能显示为 AAPL 或 BB。
当短语匹配时，我一直在使用两种模式来获得这些匹配：
{"label": "TICKER", "pattern": [{"ORTH": {"REGEX": "AAPL\.[A-Z]{2,3}"}}]}
{"label": "TICKER", "pattern": [{"ORTH": "AAPL"}]}
ORTH 是匹配 REGEX 的正确模式吗？它有时会给出一些有趣的结果，即使它超出了 {2,3}.
，它也会捕获类似 AAPL.HSHSHSJSKKSKKS 的内容
谁能帮我
a) 在这里使用 ORTH 是否有意义
b) 如何将 REGEX 的使用限制在句号后最多只能有 2 或 3 个字符？
ORTH（意思是正字法）在Spacy 2.1引入TEXT之前使用。现在，在进行正则表达式匹配时，您最好将其应用于 TEXT.
至于正则表达式本身，注意它是应用于整个token文本，为了匹配整个token文本，你需要使用anchors, ^ 和 $（或 \A 和 \z）。
所以，你可以使用
{"TEXT": {"REGEX": r"^AAPL\.[A-Z]{2,3}$"}}
此外，请注意使用原始字符串文字以避免双重转义反斜杠。
我对大量规则使用了 spacy 的短语匹配，其中一些是公司股票代码，以让我们说的形式出现：
AAPL.NY BB.TX
或者这些可能显示为 AAPL 或 BB。
当短语匹配时，我一直在使用两种模式来获得这些匹配：
{"label": "TICKER", "pattern": [{"ORTH": {"REGEX": "AAPL\.[A-Z]{2,3}"}}]}
{"label": "TICKER", "pattern": [{"ORTH": "AAPL"}]}
ORTH 是匹配 REGEX 的正确模式吗？它有时会给出一些有趣的结果，即使它超出了 {2,3}.
，它也会捕获类似 AAPL.HSHSHSJSKKSKKS 的内容谁能帮我 a) 在这里使用 ORTH 是否有意义 b) 如何将 REGEX 的使用限制在句号后最多只能有 2 或 3 个字符？
ORTH（意思是正字法）在Spacy 2.1引入TEXT之前使用。现在，在进行正则表达式匹配时，您最好将其应用于 TEXT.
至于正则表达式本身，注意它是应用于整个token文本，为了匹配整个token文本，你需要使用anchors, ^ 和 $（或 \A 和 \z）。
所以，你可以使用
{"TEXT": {"REGEX": r"^AAPL\.[A-Z]{2,3}$"}}
此外，请注意使用原始字符串文字以避免双重转义反斜杠。