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。

凭借整站使用H5网站设计的创新体验、定制设计、设计团队积累与透明式的服务过程,符合行业特点，专属顾问根据企业产品，消费群体属性，准确定位；设计师以目标客户为中心，以突出品牌官网特性为宗旨，定制专属网站建设设计方案。

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！

本人CSDN主页地址:剑客阿良_ALiang的主页

一起学习，一起进步。