Токенизация регулярных выражений с помощью чисел?

Я ожидаю следующий код; токенизировать

this is an example 123

в

['this', 'is', 'an', 'example 123']

но он не видит числа как часть слова. Любое предложение?

import re
from nltk.tokenize import RegexpTokenizer
pattern=re.compile(r"[\w\s\d]+")
tokenizer_number=RegexpTokenizer(pattern)
tokenizer_number.tokenize("this is an example 123")

Использовать split() вместо этого?

— DirtyBit 09.04.2019 15:47

См. stackoverflow.com/questions/55619297/…

— alvas 12.04.2019 07:02
python nlp nltk tokenize
09.04.2019 15:46
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
2
203
3
Перейти к ответу Данный вопрос помечен как решенный

Ответы 3

Используя str.split():

s = "this is an example 123"    
print(s.split(" ", 3))

ВЫХОД:

['this', 'is', 'an', 'example 123']

Это жестко запрограммировано для решения только этого примера; это вообще не будет работать в общих случаях

— Proyag 10.04.2019 10:54
09.04.2019 15:47
Ответ принят как подходящий

Довольно хорошо сформированное регулярное выражение:

[\d.,]+|[A-Z][.A-Z]+\b\.*|\w+|\S

Эта тема была решена ранее в: Здесь!

, Вы можете протестировать регулярное выражение в интерактивном режиме с помощью https://regex101.com

Этот шаблон работает: pattern=r'[\w]+[\s]+[\d?]+[\w]|\w+\S'

— Rebecca 10.04.2019 11:00
09.04.2019 16:09

Ваше регулярное выражение неверно. Вы соответствуете любой последовательности букв, цифр или пробелов. Вместо этого вы имели в виду это:

pattern=re.compile(r"\w+\s\d+|\w+")

Или, что то же самое, вы можете написать это как r"\w+(?:\s\d+)?".

10.04.2019 10:32

Другие вопросы по теме

Кодирование с читаемым текстом
Распознавание именованных объектов с использованием NLTK: извлечение имени, адреса и организации аудитора
Значение гиперпараметров в перчатке
Как токенизировать предложение с помощью nlp
Какой порядок имеет значение при сравнении текстовых последовательностей?
Каковы современные алгоритмы разрешения полисемии/омонимии слов?
Используйте BERT для извлечения признаков уникального слова
Совокупные уникальные слова в огромном фрейме данных
Сделать моделирование темы Mallet стабильным
Что представляют входные слои в иерархической сети внимания

Похожие вопросы

Есть ли способ получить первый элемент и подсчитать, сколько раз он появляется в столбцах панд?
Конвертировать временную метку python в минуты, используя реакцию JavaScript
Автоматизируйте процесс создания LinkedList
Как преобразовать валюту США в строку в python
Как предотвратить переоснащение машины повышения градиента?
Удаление групп повторяющихся элементов в списке, но сохранение первого в Python. Два списка
Изменить форму вещания функции из неправильной формы numpy
Сравнение двух неупорядоченных списков на наличие различий в отдельных элементах
Как исправить ошибку pip при установке пакетов?
Как преобразовать 0 и 1 в двоичные и обратно для алгоритма Хаффмана?