Допустим, у меня есть строка и вы хотите отметить некоторые объекты, такие как Лица и местоположения.spaCy nlp - объекты тега в строке
string = 'My name is John Doe, and I live in USA'
string_tagged = 'My name is [John Doe], and I live in {USA}'
Я хочу отметить людей с [] и местами с {}.
Мой код:
import spacy
nlp = spacy.load('en')
doc = nlp(string)
sentence = doc.text
for ent in doc.ents:
if ent.label_ == 'PERSON':
sentence = sentence[:ent.start_char] + sentence[ent.start_char:].replace(ent.text, '[' + ent.text + ']', 1)
elif ent.label_ == 'GPE':
sentence = sentence[:ent.start_char] + sentence[ent.start_char:].replace(ent.text, '{' + ent.text + '}', 1)
print(sentence[:ent.start_char] + sentence[ent.start_char:])
Так с примера строки это работает отлично. Но с более сложными предложениями я получаю двойные qoutes вокруг некоторых объектов. Для предложения.
string_bug = 'Canada, Canada, Canada, Canada, Canada, Canada'
возвращает >> {Canada}, {Canada}, {Canada}, {Canada}, {{Canada}}, Canada
Причины, почему я расщепляется строка предложения в 2 было заменить только новые слова (с более высокими позициями символов) ... Я думаю, что ошибка может быть в том, что я нахожусь в зацикливании в doc.ents, поэтому я получаю старые позиции своей строки, и строка растет для каждого цикла с новыми [] и {}. Но похоже, что в spaCy должен быть более простой способ справиться с этим.
EDIT: решаемый с реверсивным (doc.ents)