我正在尝试使用 NLTK 中的 Earley 解析器来解析句子,例如:
如果日期早于 12/21/2010,则序列号 = 10
为此,我尝试编写一个 CFG,但问题是我需要使用日期和整数的通用格式作为终端,而不是特定值。
有没有什么方法可以将生产规则的右侧指定为正则表达式,从而允许这种处理?
就像是:
S -> '[0-9]+'
它将处理所有整数。
为此,您需要对日期进行标记,以便每个数字和斜杠都是一个单独的标记。
from nltk.parse.earleychart import EarleyChartParser
import nltk
grammar = nltk.parse_cfg("""
DATE -> MONTH SEP DAY SEP YEAR
SEP -> "/"
MONTH -> DIGIT | DIGIT DIGIT
DAY -> DIGIT | DIGIT DIGIT
YEAR -> DIGIT DIGIT DIGIT DIGIT
DIGIT -> '1' | '2' | '3' | '4' | '5' | '6' | '7' | '8' | '9' | '0'
""")
parser = EarleyChartParser(grammar)
print parser.parse(["1", "/", "1", "0", "/", "1", "9", "8", "7"])
输出是:
(DATE
(MONTH (DIGIT 1))
(SEP /)
(DAY (DIGIT 1) (DIGIT 0))
(SEP /)
(YEAR (DIGIT 1) (DIGIT 9) (DIGIT 8) (DIGIT 7)))
这也提供了一定的灵活性,允许日期和月份为单位数。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)