在 spaCy 中使用延伸語法進行比對
以規則為主的資訊擷取對任何 NLP pipeline 都很關鍵。Matcher 類別允許在大括號內使用一些運算子，讓樣式更具表現力。這些運算子用於延伸比對，語意上類似於 Python 的 in、not in，以及比較運算子。在本練習中，你將使用 spaCy 的比對功能 Matcher，從一段範例文字中找出指定詞彙的匹配結果。
Matcher 類別已從 spacy.matcher 函式庫匯入。你會使用呼叫 doc 取得的範例文字 Doc 容器。本練習也提供預先載入的 spaCy 模型於 nlp。
本練習屬於課程
使用 spaCy 的自然語言處理
練習說明
- 使用
Matcher與nlp建立一個 matcher 物件。 - 使用
IN運算子定義樣式，能同時比對tiny squares與tiny mouthful。 - 使用此樣式在
doc中尋找匹配。 - 列印每個匹配的起始與結束權杖索引，以及其文字片段。
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。
nlp = spacy.load("en_core_web_sm")
doc = nlp(example_text)
# Define a matcher object
matcher = Matcher(nlp.____)
# Define a pattern to match tiny squares and tiny mouthful
pattern = [{"lower": ____}, {"lower": {____: ["squares", "mouthful"]}}]
# Add the pattern to matcher object and find matches
matcher.____("CustomMatcher", [____])
matches = ____(____)
# Print out start and end token indices and the matched text span per match
for match_id, start, end in matches:
print("Start token: ", ____, " | End token: ", ____, "| Matched text: ", doc[____:____].text)