使用textacy提取引号

Question

我试图从文本中提取引语和引语属性(即说话者)，但我有错误。下面是设置：

import textacy
import pandas as pd
import spacy

data = [
        ("\"Hello, nice to meet you,\" said world 1"),
        ("\"Hello, nice to meet you,\" said world 2"),  
        ]

df = pd.DataFrame(data, columns=['text'])

nlp = spacy.load('en_core_web_sm')

doc = df['text'].apply(nlp)

以下是所需的输出：

[DQTriple(speaker=world 1，cue=said，content=，你好，很高兴见到你，")] [DQTriple(speaker=world 2，cue=said，content=“你好，很高兴认识你，”)

以下是提取的第一次尝试：

print(list(textacy.extract.triples.direct_quotations(doc) for records in doc))

它提供了以下输出：

<生成器对象direct_quotations在0x7f82edf58ac0>，<生成器对象direct_quotations在0x7f82edf58190>

以下是提取的第二次尝试：

print(list(textacy.extract.triples.direct_quotations(doc)))

这将产生以下错误：

AttributeError：“串联”对象没有属性“lang_”

Answer 1

在第一次尝试中，您是通过遍历令牌来提取引号的。

下面是你可以做的事情的一个例子：

import textacy

import spacy

text =""" "Hello, nice to meet you," said world 1"""

nlp = spacy.load("en_core_web_sm")

doc = nlp(text)

print(list(textacy.extract.triples.direct_quotations(doc)))
# will print: [DQTriple(speaker=[world], cue=[said], content="Hello, nice to meet you,")]