从文本数据中查找作业角色

Question

我有一个文本文件，我必须从它中提取出人们在工作中扮演的角色。“机械工程师”，“软件开发人员”等。我用NLTK来提取它，例如，

grammer= r"""
          NP: {<NN.*|JJ>*<NN.*>}  """

我得到的结果是好的，但仍然对少数文件垃圾即将到来。对于这些行，我想应用正则表达式。

我的短信样本是这样的。

• 我是微软的软件开发工程师
• 我是机械工程师，有10年的工作经验

我想要的是，我会在“工程师”之前提取两个或三个单词。我使用正则表达式，例如，

regex=re.compile('|'.join([r'(?:\S+\s)?\S*[eE]ngineer']))

但是，它只在特定单词之前提取一个单词。如何使它提取两个或更多的单词。？

我试着用{2-3}代替"?“在表达上。但我没有得到想要的结果。

我的方法正确吗？或者其他更好地提取这个特定短语的方法？

Answer 1

判罚

 (\w+\s){2,3}dog

将匹配

over the lazy dog
the lazy dog

在……里面

The quick brown fox jumps over the lazy dog the lazy dog

我想这会让你开始的