文本分析Python

Question

我有一个带有文本的数据框架，我想提取啤酒的名称，这个名字总是在“饮酒.”这个短语之后。我不能只提取第三和第四个单词，因为有时会有一些额外的词，如在最后一行。我想把啤酒的全名提取成一根绳子。有人做过类似的事吗？

​

​

Answer 1

我建议将字符串转换为一个列表，找到索引I的“饮酒”，啤酒名称的索引是i+2和i+3。

text = text.lower().split()
i = text.index("drinking") 
name = text[i+2] + " " + text[i+3]

为

text = "Drinking a black pale ale"
name = "black pale"

按照建议，您还可以找到"by“的索引j，然后从i+2循环到j-1。

Answer 2

您可以在字符串上使用正则表达式来匹配“饮酒a”和"by“之间的所有内容。

(?<=drinking a)(.*)(?=by)

这应该是可行的，你可以在一个在线的regex验证器上尝试它。有关此正则表达式工作的原因的参考：Regex Match all characters between two strings

Answer 3

使用regexps

import re

lst = ['i am drinking a one beer', 'while my friend is drinking an other beer']

for item in lst:
    match = re.search('drinking\s+an?\s+(\w+)\s+(\w+)', item, re.I)
    if match:
        print ('[{1}, {0}]'.format(match.group(1),match.group(2)))

输出

[beer, one]
[beer, other]