如何提取关键词后面的词

Question

我目前正在尝试提取“our”之后的 4 个词，但在“hour”和“your”之后也不断提取词。

即）“我的家人会在我们到达后的 2 小时内发送一封电子邮件。” （列中的文字）

我要的是：nan（因为没有“我们的”）

我得到的：当我们到达时（因为小时是“我们的”）

我试了下面的代码，还是不行。

our = 'our\W+(?P<after>(?:\w+\W+){,4})' 
Reviews_C['Review_for_Fam'] =Reviews_C.ReviewText2.str.extract(our, expand=True)

你能帮忙吗？

谢谢！

Answer 1

您需要确保“我们的”在 space 范围内，如下所示：

our = '(^|\s+)our(\s+)?\W+(?P<after>(?:\w+\W+){,4})'

特别是 (^|\s+)our(\s+)? 是您需要播放的地方，该示例仅处理 space 和句子开头，但您可能需要扩展它以包含引号或其他特殊字符。

Answer 2

我很惊讶地看到正则表达式用于此，因为它有时会导致不必要的复杂性。这样的东西能行吗？

def extract_next_words(sentence):
    # split the sentence into words
    words = sentence.split()
    
    # find the index of "our"
    index = words.index("our")

    # extract the next 4 words
    next_words = words[index+1:index+5]

    # join the words into a string
    return " ".join(next_words)

Answer 3

这是查找字符串中特定 'x' 单词后的 n 个单词的通用代码。它还解释了多次出现的 'x' 以及 non-occurrence.

def find_n_word_after_x(in_str, x, n):
    in_str_wrds = in_str.strip().split()
    x = x.strip()
    if x in in_str_wrds:
        out_lst = []
        for i, i_val in enumerate(in_str_wrds):
            if i_val == x:
                if i+n < len(in_str_wrds):
                    out_str = in_str_wrds[i+1:i+1+n]
                    out_lst.append(" ".join(out_str))
        return out_lst
    else:
        return []
str1 = "our w1 w2 w3 w4 w5 w6"
str2 = "our w1 w2 our w3 w4 w5 w6"
str3 = "w1 w2 w3 w4 our w5 w6"
str4 = "w1"

print(find_n_word_after_x(str1, 'our', 4))
print(find_n_word_after_x(str2, 'our', 4))
print(find_n_word_after_x(str3, 'our', 4))
print(find_n_word_after_x(str4, 'our', 4))

生成的输出：

['w1 w2 w3 w4']
['w1 w2 our w3', 'w3 w4 w5 w6']
[]
[]

如何提取关键词后面的词

How to Extract Words Following a Key Word

python

regex

text

nlp

text-mining