使用 Python 从文本中提取位置

---

在 Python 中，我们可以使用 Python 中可用的 NLP 库（如 NLTK、spaCy 和 TextBlob）从文本中提取位置。从文本中提取位置用于各种自然语言处理任务，例如情感分析、信息检索和社交媒体分析。在本文中，我们将讨论如何使用 spaCY 库从文本中提取位置。

先决条件

安装 spaCY 库

在使用 scpaCy 库进行提取过程之前，您需要使用 Python 中的 pip 命令安装 spaCy 库。要提取 spaCy 库，您可以在终端或命令提示符中键入以下命令。

pip install spacy

下载预训练的英语模型

spaCy 提供了用于命名实体识别 (NER) 的预训练模型。命名实体识别是从文本中识别和分类命名实体（例如人、组织和位置）的过程。SpaCy 提供了一个预训练的 NER 模型，可用于从文本中提取位置。

您可以使用以下命令安装预训练的英语模型：

python -m spacy download en_core_web_sm

从文本中提取位置

算法

以下是使用 spaCy 从文本中提取位置的一般算法：

• 导入 **spaCy** 库

• 使用 **spacy.load()** 加载预训练的英语模型

• 定义包含位置提到的文本字符串

• 通过将文本传递给 nlp() 函数创建 **spaCy Doc** 对象

• 使用 **doc.ents** 属性循环遍历文档中的实体

• 检查实体标签是否为 **'GPE'**（地理政治实体）

• 如果实体标签为“GPE”，则使用 entity.text 属性提取实体的文本

• 将提取的位置存储在列表或其他合适的数据结构中

• 可选：手动验证提取的位置

• 根据需要使用提取的位置进行进一步分析或处理。

使用 Spacy 库

我们首先导入 spaCy 库并加载预训练的英语模型。然后，我们定义一个包含位置提到的文本字符串。我们使用 nlp() 函数创建 spaCy Doc 对象并将文本传递给它。然后，我们使用 doc.ents 属性循环遍历文档中的实体。对于每个实体，我们检查实体标签是否为“GPE”（代表地理政治实体），如果是，则打印实体的文本。

语法

import spacy

nlp = spacy.load('en_core_web_sm')

doc = nlp(text)

在这里，我们首先导入 spaCy 库并使用 **spacy.load()** 函数加载预训练的英语模型。然后，我们通过将文本字符串传递给 **spacy.load()** 函数创建 spaCy Doc 对象。**nlp()** 函数将语言处理任务管道（如分词、词性标注和命名实体识别）应用于文本。生成的 Doc 对象包含已处理的文本及其注释，可以使用各种属性和方法访问这些注释。

示例

在下面的示例中，我们采用示例文本并从中提取位置。首先，使用 spacy.load() 加载 en_core_web_sm 模型。文本“我去年夏天去了纽约市并参观了自由女神像”使用加载的模型进行处理，生成一个 doc 对象。然后，代码迭代文档中识别的实体，如果实体标签为“GPE”（地理政治实体），则打印相应的文本，在本例中为“纽约市”。

import spacy

nlp = spacy.load('en_core_web_sm')

text = "I went to New York City last summer and visited the Statue of Liberty."

doc = nlp(text)

for entity in doc.ents:
   if entity.label_ == 'GPE':
      print(entity.text)

输出

New York City

提取多个位置

文本可能在完整句子中包含多个位置。我们可以使用 spaCy 从文本中提取所有位置。

示例

在下面的示例中，定义的文本包含三个位置的提及：“巴黎”、“伦敦”和“悉尼”。我们再次使用 nlp() 函数创建 spaCy Doc 对象并将文本传递给它。然后，我们循环遍历文档中的实体并检查实体标签是否为“GPE”。如果是，则打印实体的文本。

import spacy

nlp = spacy.load('en_core_web_sm')

text = "I love traveling to Paris and London. I also enjoy visiting Sydney."

doc = nlp(text)

for entity in doc.ents:
   if entity.label_ == 'GPE':
      print(entity.text)

输出

Paris
London
Sydney

结论

在本例中，我们讨论了如何使用 Python 中的 spaCy 库从文本中提取位置。SpaCy 提供了一个预训练的 NER 模型，可用于从文本中提取位置。SpaCy 还可用于提取单个文本中存在的多个位置。