在一个文本文件中找到一个关键字，然后抓住这个单词后面的n个单词

Question

我正在做一个基本的文本挖掘应用程序，我需要找到一个确定的单词（关键字）并捕获这个单词后面的n个单词。例如，在本文中，我想抓住关键字POPULATION后面的3个单词：

补充表格由59个详细表格组成，这些表格以2016年1年微观数据为基础，针对人口超过20000人的地区。这些补充估计数可通过美国FactFinder和人口普查局的应用程序编程接口获得，其地理摘要级别与美国社区调查中的相同。

下一步是拆分字符串并找到数字，但这是我已经解决的问题。我尝试过不同的方法（regex等），但没有成功。我该怎么做？你知道吗

Answer 1

你可以使用nltk库。你知道吗

from nltk.tokenize import word_tokenize

def sample(string, keyword, n):
    output = []
    word_list = word_tokenize(string.lower())
    indices = [i for i, x in enumerate(word_list) if x==keyword]
    for index in indices:
        output.append(word_list[index+1:index+n+1])
    return output


>>>print sample(string, 'populations', 3)
>>>[['of', '20,000', 'people']]
>>>print sample(string, 'tables', 3)
>>>[['consist', 'of', '59'], ['tabulated', 'on', 'the']]