[英]Extracting information from text in python
我是文本挖掘的新手。 我有一个CSV文件。 我需要遍历每一行并提取一些信息,然后将它们写入另一个CSV文件。 我正在寻找字典中的特定信息。 考虑下面的句子:
“应用程序版本为1.8.2,变量skt.len传递了所需的信息。文件ReadMe.txt具有规范。”
我的字典是:[“应用程序版本”,“变量”,“文件”]
我需要提取:
从文本中提取此类信息的最佳方法是什么? 我正在使用NLTK和StanfordCoreNLP功能。 但是,我还不能提取信息。 我正在考虑使用正则表达式提取应用程序版本。 任何想法?
PS:我知道这可能会使任务更加复杂。 但是,CSV文件每一行中的句子可能具有不同的结构。 例如:一行中的“应用程序版本”,可能在另一行中是“应用程序版本”。 或者一行中的“文件”可以是另一行中的“文件名”。
我使用R,下面是提取变量值的一种方法(不是最好的方法,只是为了展示它是如何工作的):
>> str_extract(text, '(?<=variable\\s)(\\w+)(.)?(\\w+)?')
这里的text是您共享的整个字符串。 这给了我一个输出
>> skt.len
我确信Python中有类似的函数可以完成此操作并以所需的格式获取输出。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.