使用NER使用任何NLP库提取机场代码和航空公司代码？

Question

我想从一个字符串中提取机场代码和航空公司代码。机场/城市代码是3个字母的字母代码。航空公司代码由2个字母字母和字母数字代码组成。

航空公司代码示例

AA ==美国航空公司。

机场代码

JFK ==约翰·F·肯尼迪国际机场

LGA == LaGuardia机场

​

我有世界上所有机场代码和航空公司代码的清单。我想提取的字符串类型是这样的。

JFKAAX/BOSAACHIM100.00Q9USMEXQ125.00YLEE/CH30500.00ENDROE0.56893458

这里有一个模糊性，因为KAA也可以被识别为一个机场。这是有效的机场代码。

如何使用NER来提取这两个项。如果NER不合适，还有其他方法吗？

Answer 1

我使用了简单的正则表达式，判断它是否正常：

In [1]: a = 'JFKAAX/BOSAACHIM100.00Q9USMEXQ125.00YLEE/CH30500.00ENDROE0.56893458'
In [4]: import re
In [15]: re.findall('(\w{3})(\d*(\.\d*)?)(\w{2})', a)
Out[15]: 
[('JFK', '', '', 'AA'),
 ('BOS', '', '', 'AA'),
 ('CHI', '', '', 'M1'),
 ('00Q', '9', '', 'US'),
 ('MEX', '', '', 'Q1'),
 ('00Y', '', '', 'LE'),
 ('CH3', '0500.00', '.00', 'EN'),
 ('DRO', '', '', 'E0'),
 ('568', '934', '', '58')]

你能提供你张贴的字符串应该输出什么吗？您可以用括号标记机场名称和航空公司名称，例如:x