从数据中提取特定信息答案

【问题标题】：Extracting specific information from data从数据中提取特定信息
【发布时间】：2017-02-17 02:30:21
【问题描述】：

如何转换如下数据格式：

James Smith was born on November 17, 1948

变成类似

("James Smith", DOB, "November 17, 1948")

不必依赖字符串的位置索引

我已经尝试了以下

from nltk import word_tokenize, pos_tag

new = "James Smith was born on November 17, 1948"
sentences = word_tokenize(new)
sentences = pos_tag(sentences)
grammar = "Chunk: {<NNP*><NNP*>}"
cp = nltk.RegexpParser(grammar)
result = cp.parse(sentences)
print(result)

如何进一步获得所需 fromat 的输出。

【问题讨论】：

标签： python python-3.x nltk stanford-nlp information-retrieval

【解决方案1】：

用 'wasborne on' 分割字符串，然后修剪空格并分配给 name 和 dob

【讨论】：

【解决方案2】：

你总是可以使用正则表达式。正则表达式 (\S+)\s(\S+)\s\bwas born on\b\s(\S+)\s(\S+),\s(\S+) 将匹配并返回特定于上述字符串格式的数据。

下面是实际操作：https://regex101.com/r/W2ykKS/1

python 中的正则表达式：

import re

regex = r"(\S+)\s(\S+)\s\bwas born on\b\s(\S+)\s(\S+),\s(\S+)"
test_str = "James Smith was born on November 17, 1948"

matches = re.search(regex, test_str)

# group 0 in a regex is the input string

print(matches.group(1)) # James
print(matches.group(2)) # Smith
print(matches.group(3)) # November
print(matches.group(4)) # 17
print(matches.group(5)) # 1948

【讨论】：