小编bzd*_*boo的帖子

nltk.download() 在OS X上为我挂起.以下是发生的事情:

$python
>>> Python 2.7.2 (default, Oct 11 2012, 20:14:37) 
>>> [GCC 4.2.1 Compatible Apple Clang 4.0 (tags/Apple/clang-418.0.60)] on darwin
>>> import nltk
>>> nltk.download()

showing info http://nltk.github.com/nltk_data/

在那之后,它完全冻结了.

我根据ntlk安装页面安装了所有内容.我在OS X 10.8.3上.在我的Linux机器上,它只是没有问题.

有任何想法吗？

披露:我搜索了很多,我不认为我的问题(对于我的配置)在这里得到了解答.例如, 运行python脚本,因为cgi apache服务器 没有回答它.

所以:我有一个最简单的脚本:

#!/usr/bin/env python

print "Content-type: text/html"
print ""

print "<h1>Hello from Python!</h1>"

当我在浏览器中运行它时,它实际上显示自己而不是Python的预期 Hello!

我做了以下操作让它运行:

a)每个人都可以执行; 它完美地运行在一个外壳中.

b)它位于具有以下配置的虚拟目录中(在/ etc/apache2/sites-available/my_cgi_dir中):

<VirtualHost *:80>
    ServerAdmin webmaster@localhost

    DocumentRoot /var/www/
    <Directory />
           Options FollowSymLinks
           AllowOverride None
    </Directory>
   <Directory /var/www/my_cgi_dir/>
           Options Indexes +ExecCGI FollowSymLinks MultiViews
           AddHandler cgi-script .cgi .py
           AllowOverride None
          Order allow,deny
          allow from all
   </Directory>

   ScriptAlias /cgi-bin/ /usr/lib/cgi-bin/
   <Directory "/usr/lib/cgi-bin">
           AllowOverride None
           Options +ExecCGI -MultiViews +SymLinksIfOwnerMatch
           Order allow,deny
           Allow from all
   </Directory>

   ErrorLog ${APACHE_LOG_DIR}/error.log
   LogLevel warn
   CustomLog ${APACHE_LOG_DIR}/access.log …

Run Code Online (Sandbox Code Playgroud)

这是可能的:使用NLTK获得(类似)斯坦福命名实体识别器功能吗？

有什么例子吗？

特别是,我感兴趣的是提取LOCATION部分文本.例如,来自文本

会议将于11月18日在南卡罗来纳州威斯汀西区22号12345举行

理想情况下,我想得到类似的东西

(S  
22/LOCATION
(LOCATION West/LOCATION Westin/LOCATION)
st./LOCATION
,/,
(South/LOCATION Carolina/LOCATION)
,/,
12345/LOCATION

.....

或者干脆

22 West Westin st., South Carolina, 12345

相反,我只能得到

(S
  The/DT
  meeting/NN
  will/MD
  be/VB
  held/VBN
  at/IN
  22/CD
  (LOCATION West/NNP Westin/NNP)
  st./NNP
  ,/,
  (GPE South/NNP Carolina/NNP)
  ,/,
  12345/CD
  on/IN
  Nov.-18/-NONE-)

请注意,如果我将文本输入 http://nlp.stanford.edu:8080/ner/process,我得到的结果远非完美(街道号和邮政编码仍然缺失),但至少"st." 是LOCATION的一部分,南卡罗来纳州是一个位置,而不是一些"GPE/NNP":？

我做错了什么？如何修复它以使用NLTK从某些文本中提取位置片？

提前谢谢了!

免责声明:我仔细阅读了这个主题: 街道地址搜索字符串 - Python或Ruby 以及许多其他资源.

到目前为止,对我来说没什么用.

在这里有一些更多的细节我正在寻找的是:

规则很轻松,我绝对不会要求一个涵盖所有案例的完美代码; 只是一些简单的基本假设,地址应采用以下格式:

a)街道号码(1 ... N位数);

b)街道名称:一个或多个单词大写;

b-2)(可选)如果可以用缩写作为前缀,那将是最好的."S.","N.","E.","W"

c)(可选)单位/公寓/等可以是任意(包括空)数量的任意字符

d)街道"类型":("st.","ave.","way")之一;

e)城市名称:1个或更多大写词;

f)(可选)州名缩写(2个字母)

g)(可选)zip,任意5位数.

以上都不需要是有效的东西(例如现有的城市或邮编).

到目前为止,我正在尝试这样的表达式:

pat = re.compile(r'\ d {1,4}(\ w +){1,5},(.*),(\ w +){1,5},(AZ | CA | CO | NH), [0-9] {5}( - [0-9] {4})？',re.IGNORECASE)

>>> pat.search("123 East Virginia avenue, unit 123, San Ramondo, CA, 94444")

不要工作,对我来说理解原因并不容易.具体来说:我如何在我的模式中将一组任何单词与应该遵循的特定单词分开,如州名缩写.或街道"类型("st.,ave.)？

无论如何:这是我希望得到的一个例子:给定def ex_addr(文本):#re re magic#返回第一个地址(所有地址？)或者如果没有找到则返回None

for t in [
'The meeting will be held at 22 West Westin st., South Carolina, 12345 on Nov.-18',
'The meeting will be …