Python - Geotext - “里约热内卢”等城市无法识别

Question

我正在尝试使用GeoText来引发国家提及，但里约热内卢，Rio das Ostras等城市并未被认可。 我验证了字典，那些城市都没问题。

• 输入：

Some conflicts were found in the installation area

• 输出：

  • ['拉斯维加斯'，'纽约']

• 预期输出：

  • ['里约热内卢'，'拉斯维加斯'，'纽约']

使用python 3.x和geotext 0.3.0

Answer 1

GitHub repo上的正则表达式和最新的pip安装版本（0.3.0）是不同的。

In[2]: import re
In[3]: text = "Rio de Janeiro, Las Vegas, New York"

# old regex (pip installed)
In[4]: city_regex = r"[A-Z]+[a-zà-ú]*(?:[ '-][A-Z]+[a-zà-ú]*)*"
In[5]: re.findall(city_regex, text)
Out[5]: ['Rio', 'Janeiro', 'Las Vegas', 'New York']

# new regex (GitHub)
In[6]: city_regex = r"[A-ZÀ-Ú]+[a-zà-ú]+[ \-]?(?:d[a-u].)?(?:[A-ZÀ-Ú]+[a-zà-ú]+)*"
In[7]: re.findall(city_regex, text)
Out[7]: ['Rio de Janeiro', 'Las Vegas', 'New York']

即使对于三个字的城市，GitHub repos正则表达式似乎也能正常工作，但它没有在PyPI的最新版本中使用。