python - 从文本中提取特定信息

Question

我想从文本文件中获取一些数据。我决定使用 Natural Language Toolkit 来做到这一点，但如果有更好的方法，我愿意接受建议。

这是一个例子:

I need a flight from New York NY to San Francisco CA.

从这篇文章中，我想获取出发地和目的地的城市和州。

这是我目前所拥有的:

import nltk
from nltk.text import *
from nltk.corpus import PlaintextCorpusReader

def readfiles():    
    corpus_root = 'C:\prototype\emails'
    w = PlaintextCorpusReader(corpus_root, '.*')
    t = Text(w.words())
    print "--- to ----"
    print t.concordance("to")

    print "--- from ----"
    print t.concordance("from")

我可以从某些输入(在我的例子中是文件)中读取文本，然后使用 concordance method找到它的所有用法。我想提取“to”和“from”之后的城市、州信息。

问题是查看“to”和“from”之后的文本的最佳方式是什么？

Answer 1

也许你最好逐行阅读文件？
然后是一些简单的事情:

cityState = dataAfterTo.split(",")
city = cityState[0]
state = cityState[1].split()[0]

当然，除非您要处理用户生成的内容。