<强>1。作者标签:
\author{{\small Tanya Araujo$^{a,b}$ and Elsa Fontainha$^{a}$} \and {\small $^{a}$ISEG
(Lisbon School of Economics \& Management) Universidade de Lisboa, } \and
{\small Rua do Quelhas, 6 1200-781 Lisboa Portugal} \and {\small $^{b}$Research
Unit on Complexity and Economics (UECE)} \and {\small Rua Miguel Lupi, 20
1249-078 Lisboa Portugal}}
\author{{\bf R. Vilela Mendes} \and {\small Grupo de Fisica Matematica, Av.
Gama Pinto 2,} \and {\small \ 1699 Lisboa Codex, Portugal
(vilela@cii.fc.ul.pt)} \and {\bf Tanya Araujo and Francisco Lou\cc\a%
} \and {\small Departamento de Economia, ISEG,} \and {\small R. Miguel Lupi
20, 1200 Lisboa, Portugal} \and {\small (tanya@iseg.utl.pt,
flouc@iseg.utl.pt)}}
<强>2。删除了特殊字符、其他标签、电子邮件和数字:
Tanya Araujo 和 Elsa Fontainha ISEG 里斯本经济与管理学院 Universidade de Lisboa, Rua do Quelhas, - 里斯本葡萄牙研究 UECE 复杂性与经济学单元 Rua Miguel Lupi, - 葡萄牙里斯本
R。 Vilela Mendes Grupo de Fisica Matematica,Av。 Gama Pinto,葡萄牙里斯本抄本 坦尼娅·阿劳霍和弗朗西斯科·卢 经济部,ISEG,R. Miguel Lupi ,葡萄牙里斯本,
<强>3。期望的输出: 仅提取名称并删除大学名称或任何位置名称。尝试使用 NLTK 中的 NER,但它会将 Universidade 和 Lisboa 识别为 PERSON 等。
(PERSON Tanya/NNP)
(PERSON Araujo/NNP)
and/CC
(PERSON Elsa/NNP Fontainha/NNP)
ISEG/NNP
(/(
(ORGANIZATION Lisbon/NNP School/NNP)
of/IN
(ORGANIZATION Economics/NNP)
&/CC
Management/NNP
)/)
(PERSON Universidade/NNP)
de/FW
(PERSON Lisboa/NNP)
,/,
(PERSON Rua/NNP)
do/VBP
(PERSON Quelhas/NNP)
,/,
-/:
(PERSON Lisboa/NNP Portugal/NNP Research/NNP Unit/NNP)
on/IN
(ORGANIZATION Complexity/NNP)
and/CC
(GPE Economics/NNP)
(/(
(ORGANIZATION UECE/NNP)
)/)
(PERSON Rua/NNP Miguel/NNP Lupi/NNP)
,/,
-/:
(PERSON Lisboa/NNP Portugal/NNP Alessandro/NNP Spelta/NNP)
corresponding/VBG
author/NN
:/:
and/CC
(PERSON Tanya/NNP Araujo/NNP))
是否可以使用 NLTK 中的 NER 来解决此问题,或者我们应该尝试其他库(例如 spaCy)吗?
最佳答案
您也许可以使用https://github.com/alvinwan/TexSoup ,这将提取作者元素,如下所示。
>>> from TexSoup import TexSoup
>>> soup = TexSoup(open('tri7.txt').read())
>>> for i in soup.find_all('author'):
... i
...
\author{{\small Tanya Araujo$^{a,b}$ and Elsa Fontainha$^{a}$} \and {\small $^{a}$ISEG
(Lisbon School of Economics \& Management) Universidade de Lisboa, } \and
{\small Rua do Quelhas, 6 1200-781 Lisboa Portugal} \and {\small $^{b}$Research
Unit on Complexity and Economics (UECE)} \and {\small Rua Miguel Lupi, 20
1249-078 Lisboa Portugal}}
然后您可以提取
示例的字符串{{\small Tanya Araujo$^{a,b}$ and Elsa Fontainha$^{a}$}
在这种情况下,可以采用多种方式中的任何一种。
最后,如果您无法让 TexSoup 为您执行此操作,您可以使用正则表达式删除诸如 \small
和 $(a,b)$
之类的项目。
关于python - 解析 LaTex 作者标签以提取作者姓名,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52764653/