Question

我想从文本文件中获取一些数据。我决定使用Natural Language Toolkit来做，但如果有更好的方法，我愿意接受建议。

以下是一个例子：

我需要从纽约到纽约州旧金山的航班。

从这篇文章中，我想得到城市和州的起源和目的地。

这是我到目前为止所做的：

import nltk
from nltk.text import *
from nltk.corpus import PlaintextCorpusReader

def readfiles():    
    corpus_root = 'C:\prototype\emails'
    w = PlaintextCorpusReader(corpus_root, '.*')
    t = Text(w.words())
    print "--- to ----"
    print t.concordance("to")

    print "--- from ----"
    print t.concordance("from")

我可以从一些输入（我的文件中的文件）中读取文本，然后使用concordance method查找它的所有用法。我想提取城市，状态信息来自'to'和'from'。

问题是查看“to”和“from”实例之后的文本的最佳方法是什么？

Answer 1

也许你最好逐行阅读文件？
然后就像这样简单：

cityState = dataAfterTo.split(",")
city = cityState[0]
state = cityState[1].split()[0]

除非您当然要处理用户生成的内容。

从文本中提取特定信息

1 个答案: