spaCy 中的 PhraseMatcher

在处理非结构化文本时，您常常需要在长列表或字典中扫描并匹配给定文本。Matcher 的模式需要手工编写，而且每个 token 都要单独编码。如果您有很长的短语列表，Matcher 就不再是最佳选择。在这种情况下，PhraseMatcher 类可以帮助我们匹配大型词典。在本练习中，您将练习使用 PhraseMatcher 类，通过匹配形状来检索多个术语的模式。

en_core_web_sm 模型已加载为 nlp，可以直接使用。PhraseMatcher 类已导入。一个字符串 text 和一个 terms 列表也已为您准备好。

本练习是课程的一部分

使用 spaCy 的自然语言处理

查看课程

练习说明

使用 attr 初始化一个 PhraseMatcher，以匹配给定 terms 的形状。
创建要添加到 PhraseMatcher 对象的 patterns。
查找给定模式的匹配，并打印开始与结束的 token 索引，以及在给定 text 中匹配到的片段。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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)

编辑并运行代码