將劇本切分為幕（Acts）
將非結構化文字轉換成分層的詞彙圖是個反覆進行的流程，需要為每個詞彙實體建立分割器，並依序據此切分。
在這個練習中，你要設計一個分割器，把劇本《羅密歐與茱麗葉》切分成各個「幕（act）」。以下是劇本結構的預覽：
The Project Gutenberg eBook of Romeo and Juliet
This ebook is for the use of anyone anywhere in the United States...
**PROLOGUE:**
Enter Chorus.
CHORUS.
Two households, both alike in dignity...
ACT I
SCENE I. A public place.
Enter Sampson and Gregory armed with swords and bucklers.
SAMPSON.
Gregory, on my word, we'll not carry coals...
...
本練習屬於課程
使用 LangChain 與 Neo4j 的 Graph RAG
練習說明
- 將
splitters參數更新為也會依\n\nACT這個樣式來切分文字。 - 設定
act_splitter，讓separators清單被視為正則表達式。 - 使用
act_splitter來切分romeo_and_juliet。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
act_splitter = RecursiveCharacterTextSplitter(
separators=[
r"\n\nTHE PROLOGUE.",
r"\n\n\*\*\* END",
# Split by the word ACT
r"____"
],
# Configure the patterns as regular expressions
____=True
)
# Split the play using act_splitter
acts = act_splitter.____(____)
for act in acts:
print(act.strip().split("\n")[0])