我正在尝试使用 GeoText 生成国家/地区提及,但无法识别像里约热内卢、里约热内卢这样的城市。 我查了字典,里面那些城市都可以。
- 输入:
text = "里约热内卢、拉斯维加斯、纽约" geo = GeoText(文本) 打印(geo.cities)
输出:
- ['拉斯维加斯', '纽约']
预期输出:
- ['里约热内卢','拉斯维加斯','纽约']
使用 python 3.x 和 geotext 0.3.0
请您参考如下方法:
GitHub repo 上的正则表达式和最新安装的 pip 版本(0.3.0)不同。
In[2]: import re
In[3]: text = "Rio de Janeiro, Las Vegas, New York"
# old regex (pip installed)
In[4]: city_regex = r"[A-Z]+[a-zà-ú]*(?:[ '-][A-Z]+[a-zà-ú]*)*"
In[5]: re.findall(city_regex, text)
Out[5]: ['Rio', 'Janeiro', 'Las Vegas', 'New York']
# new regex (GitHub)
In[6]: city_regex = r"[A-ZÀ-Ú]+[a-zà-ú]+[ \-]?(?:d[a-u].)?(?:[A-ZÀ-Ú]+[a-zà-ú]+)*"
In[7]: re.findall(city_regex, text)
Out[7]: ['Rio de Janeiro', 'Las Vegas', 'New York']
GitHub 存储库正则表达式似乎即使对于三个词的城市也能正常工作,但它并没有在 PyPI 的最新版本中使用。
