spaCy 的 PhraseMatcher

在處理非結構化文字時，你常會有很長的清單或字典，需要在文字中掃描並比對。Matcher 的樣式是手工撰寫的，而且每個 token 都要個別設定。當你有很長的片語清單時，Matcher 就不再是最佳選擇。此時，PhraseMatcher 類別能幫忙比對大型字典。本練習中，你會練習使用 PhraseMatcher 類別，針對多個詞條，找出具有相同形狀的樣式。

en_core_web_sm 模型已載入為 nlp，可直接使用。PhraseMatcher 類別也已匯入。已提供字串 text 與清單 terms 供你使用。

本練習屬於課程

使用 spaCy 的自然語言處理

檢視課程

練習說明

以帶有 attr 的方式初始化 PhraseMatcher 類別，用來比對給定 terms 的形狀。
建立要加入 PhraseMatcher 物件的 patterns。
依這些樣式尋找比對，並列印起始與結束的 token 索引，以及在 text 中對應的比對片段。

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。

text = "There are only a few acceptable IP addresse: (1) 127.100.0.1, (2) 123.4.1.0."
terms = ["110.0.0.0", "101.243.0.0"]

# Initialize a PhraseMatcher class to match to shapes of given terms
matcher = ____(nlp.____, attr = ____)

# Create patterns to add to the PhraseMatcher object
patterns = [nlp.make_doc(____) for term in terms]
matcher.____("IPAddresses", patterns)

# Find matches to the given patterns and print start and end characters and matches texts
doc = ____
matches = ____
for match_id, start, end in matches:
    print("Start token: ", ____, " | End token: ", ____, "| Matched text: ", doc[____:____].text)

編輯並執行程式碼