溶鄉山多人少，人均稻田面積僅有0.6畝，農產品以水稻為主，雜糧有玉公尺、紅薯、高粱、蕎類等，經濟作物有黃豆、菜油。林業用地43萬畝，佔總面積的76.4%,森林蓄積量達94萬立方公尺,以林業的振興發展拉動全鄉經濟發展是北溶鄉黨委**歷來堅定不移的發展思路，目前已申報國家級公益林18.7畝。近年來退耕還林面積1.3萬畝，每年林農享受退耕還林國家補助近210萬元。
這其中的想表達的數字有：
人均稻田面積0.6畝
林業用地43萬畝
總面積的76.4%
森林蓄積量達94萬立方公尺
已申報國家級公益林18.7畝
退耕還林面積1.3萬畝
退耕還林國家補助近210萬元
這裡面可以看到想要表達乙個數字含義還需要有名稱，用來表示這個數字是幹什麼用的。可能的話還必須要有單位和量詞，例如國家補助210，這裡表示的是人數還是錢。
這裡介紹乙個不過的python外掛程式jieba(結巴)，不僅可以用來分詞，還可以顯示出當前分詞的詞性(名詞，動詞，量詞...)。
外掛程式安裝很簡單，可以直接pip install jieba，當前的版本是jieba-0.38。我用的是python2.7.10，對python3也是支援的。使用如下：
importjieba.posseg as pseg
if__name__ == '
__main__':
pass
words=u"
溶鄉山多人少，人均稻田面積僅有0.6畝
"cut_list=
for cuts in
pseg.cut(words):
print cuts.word+"
\t"+cuts.flag
結果：
溶鄉 n山 n
多 m
人 n
少 a
， x
人均 j
稻田 n
面積 n
僅 d
有 v
0.6m
畝 m
如此再回到之前的思路，可以對整段文字進行分詞，然後用正則過濾出純數字出來。針對於每個數字，向前找名詞(一句裡找不到名詞就丟棄這個數字)，向後找量詞，這樣就能夠把整段文字有實際意義的數字給提取出來。
#!/usr/local/bin/python
#-*- coding: utf8 -*-
'''created on 2023年6月17日
@author: paololiu
'''import
reimport
jieba.posseg as pseg
if__name__ == '
__main__':
pass
words=u"
溶鄉山多人少，人均稻田面積僅有0.6畝，農產品以水稻為主，雜糧有玉公尺、紅薯、高粱、蕎類等，經濟作物有黃豆、菜油。林業用地43萬畝，佔總面積的76.4%,森林蓄積量達94萬立方公尺,以林業的振興發展拉動全鄉經濟發展是北溶鄉黨委**歷來堅定不移的發展思路，目前已申報國家級公益林18.7畝。近年來退耕還林面積1.3萬畝，每年林農享受退耕還林國家補助近210萬元。2023年起，境內大規模營造速生豐產林，「十一五」期間規劃營造3800畝速生豐產林，15年後全鄉林農創收可達1800萬元。鄉內碣灘茶在唐朝曾為貢品，自2023年後多次被評為湖南省優質茶，2023年被評為全國部優產品，2023年獲國際茶文化節金獎。礦藏以金、銀、銅、鐵、鉛、汞、重晶石最為豐富，其中重晶石儲藏量在1000萬噸以上，礦質優良，年產量8萬噸，年銷售收入1040萬元，年上交稅收83.2萬元，年利潤395萬元。養殖條件好，有大量庫汊水域，可成規模養魚；草場面積較大，適合山羊、黃牛養殖。2023年全鄉山羊達4525只，年底存欄3028只，出欄1497只。鄉境經濟發展將以林業、茶葉、重晶石開採加工、養殖業為四大支柱產業，帶動境內經濟全面發展，同時發展對外勞務輸出。
"cut_list=
for cuts in
pseg.cut(words):
#print cuts.word+"\t"+cuts.flag
for i in
range (0,len(cut_list)):
re_string="
^(-?\\d+)(\\.\\d+)?$"if
re.match(re_string,cut_list[i][0]):
pass
noun=""
for j in range (i,-1,-1):
if cut_list[j][1]=="x"
:
breakif"
n"in cut_list[j][1] or cut_list[j][1]=='j'
: noun=cut_list[j][0]+noun
if noun==""
:
continue
number=cut_list[i][0]
measure_word=""
if cut_list[i+1]:
if (cut_list[i+1][1]=="
m") or (cut_list[i+1][1]=="x"
and cut_list[i+1][0]=="%"
):#print cut_list[i+1][0]
measure_word=cut_list[i+1][0]
print noun+number+measure_word
輸出後的結果：
人均稻田面積0.6畝林業用地43萬畝
總面積76.4%森林蓄積量94萬立方公尺
申報公益林18.7畝
面積1.3萬畝
林農國家210萬元
規劃營造3800畝
全鄉林農1800萬元
重晶石儲藏量1000萬噸
銷售收入1040萬元
稅收83.2萬元
利潤395萬元
全鄉山羊4525
存欄3028
這樣的資料再進行一定的取捨便就能夠用於結構化的資料分析了
在 Workbench中提取和使用日誌資訊
在啟動和關閉 python 位於workbench 中工作空間引數 advanced 中 中可以使用 fmeobjects python api 與pythoncaller 和pythoncreator 一樣。其中乙個可用的物件是 fmelogfile 它提供了訪問 workbench 日誌的功能。...
用R在字串中提取匹配的部分
例如在aaaa12 x中提取12，在參考了stackoverflow後比較方便的大致有以下幾種方法 利用sub跟gsub sub 0 9 1 aaa12xx99 perl true 其中 1指括號中匹配的部分 gsub 0 9 aaa12 x regmatchs法 txt aaa12 m regex...
在OpenCV中提取水平直線，垂直直線和一些字元
imshow 原影象 src 首先要獲取原始檔，方便進行操作。將原影象轉換成灰度影象 將灰度影象轉換成二值影象 mat binaryimage adaptivethreshold grayimage,binaryimage,255,adaptive thresh mean c,thresh bina...