【Python机器学习】NLP信息提取——正则模式

我们需要一种模式匹配算法，该算法可以识别与模式匹配的字符序列或词序列，以便从较长的文本字符串中“提取”它们。构建这种模式匹配算法的简单方法是在Python中，使用一系列if/else语句在字符串的逐个位置查找该符号（单词或字符）。假设想在语句开头找到一些常见的问候语，例如“Hi”、“Hello”、“Yo”，可以按照下面的代码操作：

def find_greeting(s):
    if s[0]=="H":
        if s[:3] in ['Hi','Hi ','Hi,','Hi!']:
            return s[:2]
        elif s[:6] in ['Hello','Hello ','Hello,','Hello!']:
            return s[:5]
    elif s[0]=="Y":
        if s[1]=='o' and s[:3] in ['Yo','Yo ','Yo,','Yo!']:
            return s[:2]
    return None

下面是它的运行效果：

print(find_greeting('Hi Mr.Turning!'))
print(find_greeting('Hello,Tom.'))
print(find_greeting('hello'))
print(find_greeting('HelloWorld'))

可以考哪懂啊，通过这种方式编写模式匹配算法十分烦琐。甚至效果一般，它非常脆弱，依赖字符串中字符拼写、大小写以及位置的精确表达。指定所有“分隔符”也非常棘手，这些“分隔符”包括标点符号、空白字符，或者要查找的单词两边的字符串的开头和结尾字符。