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。
分享：
每个人都睁着眼睛，但不等于每个人都在看世界，许多人几乎不用自己的眼睛看，他们只听别人说，他们看到的世界永远是别人说的样子。——猜猜看
如果本文对你有帮助的话，点个赞吧，谢谢！
