使用类正则语法创建spaCy匹配模式

spaCyEx

spaCyEx是spaCy的功能扩展工具，旨在通过类正则表达式语法简化复杂文本模式的创建过程。它在spaCy原生Matcher组件的基础上，提供了更直观的模式定义语法，特别适用于需要精细提取文本语言特征的场景。

安装方法

通过pip安装：

pip install spacyex

核心特性

• 动态模式构建：使用简洁的字符串语法即可定义复杂词符匹配规则
• spaCy深度集成：完全兼容spaCy的Matcher组件功能
• 灵活匹配规则：支持基于文本特征、词法属性和语法特性的多维度匹配

模式定义语法

采用括号包裹的键值对语法，多个属性间用竖线分隔：

• 单属性匹配：(pos=NOUN)
• 多属性组合：(pos=NOUN|lemma=run)
• 列表值匹配：(lemma=in[run,walk])
• 数量运算符：(ent_type=person|op={2,3})

使用示例

import spacyex as se
import spacy

nlp = spacy.load("en_core_web_sm")
text = "某用户快速奔跑，另一用户缓步行走"
pattern = "(ent_type=person|op={2}) (lemma=in[run,walk]) (pos=ADV)"

results = se.search(pattern, text, nlp)
for match in results:
    print("匹配文本:", match[0].text, "起始位置:", match[1], "结束位置:", match[2])

发展路线

• 扩展支持所有字典属性匹配
• 增加复杂场景的辅助功能模块