前言
本文提供将语句中的人名提取出来的工具方法，可以拿去直接使用。
环境依赖
需要安装两个库，其实一个也可以，但是我这边准备了两个库做个比较。
安装命令如下：
pip install LAC -i https://pypi.douban.com/simple
pip install ltp -i https://pypi.douban.com/simple
代码
不废话，上代码。
#!/user/bin/env python
# coding=utf-8
"""
@project : csdn
@author : 剑客阿良_ALiang
@file : extract_sentence_name_tool.py
@ide : PyCharm
@time : 2022-01-25 11:11:43
"""
from LAC import LAC
from ltp import LTP
import time
lac = LAC(mode="lac")
ltp = LTP()
# 句子提取名字
def extract_name(sentence: str, type='lac'):
user_name_lis = []
if type == 'lac':
_result = lac.run(sentence)
for _index, _label in enumerate(_result[1]):
if _label == "PER":
user_name_lis.append(_result[0][_index])
elif type == 'ltp':
_seg, _hidden = ltp.seg([sentence])
_pos_hidden = ltp.pos(_hidden)
for _seg_i, _seg_v in enumerate(_seg):
_hidden_v = _pos_hidden[_seg_i]
for _h_i, _h_v in enumerate(_hidden_v):
if _h_v == "nh":
user_name_lis.append(_seg_v[_h_i])
else:
raise Exception('type not suppose')
return user_name_lis
if __name__ == '__main__':
_start_lac = time.time()
lis1 = extract_name("就因为看了沈腾和贾玲的王牌对王牌节目，所以杨迪肯定偷题了。", 'lac')
_end_lac = time.time()
print("LAC: {} <- 耗时[{}]秒".format(lis1, (_end_lac - _start_lac)))
_start_ltp = time.time()
lis2 = extract_name("就因为看了沈腾和贾玲的王牌对王牌节目，所以杨迪肯定偷题了。", 'ltp')
_end_ltp = time.time()
print("LTP: {} <- 耗时[{}]秒".format(lis2, (_end_ltp - _start_ltp)))代码说明：
1、extract_name方法入参分别为：语句参数、类型参数。其中默认为lac模式，可以选择ltp模式。
其中lac模型提取人名的速率较快，但是ltp的提取人名准确率更高。
验证一下
执行看看效率。
总结
使用的时候可以多试试两个库的区别，ltp的准确率稍微高一点。
到此这篇关于Python实现提取语句中的人名的文章就介绍到这了,更多相关Python提取人名内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
