nltk自定义语法，用于使用RegexpParser分块日期

Question

使用从这篇博客文章中提取的信息，我试图定义一个语法，其中包括添加日期作为一个新的块，语法如下;

grammar = r"""
    NBAR:
        {<NN.*|JJ>*<NN.*>}  # Nouns and Adjectives, terminated with Nouns
    NP:
        {<NBAR>}
        {<NBAR><IN><NBAR>}  # Above, connected with in/of/etc...
    DATE -> MONTH SEP DAY SEP YEAR
    SEP -> "/"
    MONTH -> DIGIT | DIGIT DIGIT
    DAY -> DIGIT | DIGIT DIGIT
    YEAR -> DIGIT DIGIT DIGIT DIGIT
    DIGIT -> '1' | '2' | '3' | '4' | '5' | '6' | '7' | '8' | '9' | '0'

但是当我调用chunker = nltk.RegexpParser(grammar)时，这抛出了一个非法的块模式，任何我如何包括日期的想法，这些日期总是用8位数字DD/MM/YYYY表示，或者以长形式拼写月份，日期后跟顺序指示符st,nd, or th，这样结果将是DDthMONTHYYYY。

Answer 1

你把苹果和橘子混在一起了。根据RegexpParser规则，只有前两个扩展是有效的，因此第三个扩展会出现错误。将其余部分转换为相同的格式:将分隔符从->更改为:，然后将展开写成RegexpParser表达式。注意，您使用的是分块器，而不是层次解析器。(请参阅上述文档，以及NLTK书的所有第7章)