使用 Python 和 jieba 实现中文文本中的人名和公司名提取

在处理中文文本时，经常需要从中提取出人名和公司名称。比如在文本分析、信息提取和自然语言处理（NLP）等领域，这些任务都非常常见。本文将介绍如何使用wxPython创建一个简单的桌面应用程序，从一段中文长文中提取人名和公司名称，并用jieba库进行分词和命名实体识别（NER）。
C:\pythoncode\new\markname.py

环境准备

在开始之前，确保你已经安装了wxPython和jieba库。如果没有，请使用以下命令进行安装：

pip install wxPython jieba

项目需求分析

我们将创建一个带有以下功能的桌面应用程序：

一个多行文本输入框，用于输入需要处理的长文。
一个按钮，用于触发文本处理。
一个多行文本输出框，用于显示提取出的人名和公司名称。

实现步骤

我们将使用wxPython创建GUI，jieba库进行中文分词和命名实体识别。

完整代码示例

以下是实现这一功能的完整代码示例：

import wx
import jieba
import jieba.posseg as pseg

class ChineseNameCompanyExtractorFrame(wx.Frame):
    def __init__(self, *args, **kw):
        super(ChineseNameCompanyExtractorFrame, self).__init__(*args, **kw)

        self.panel = wx.Panel(self)

        # Input text box (multiline)
        self.text_ctrl_input = wx.TextCtrl(self.panel, style=wx.TE_MULTILINE, size=(400, 200))
        
        # Output text box (multiline)
        self.text_ctrl_output = wx.TextCtrl(self.panel, style=wx.TE_MULTILINE | wx.TE_READONLY, size=(400, 100))

        # Button to trigger extraction
        self.extract_button = wx.Button(self.panel, label="提取人名和公司名称")
        self.extract_button.Bind(wx.EVT_BUTTON, self.on_extract_names_and_companies)

        # Layout
        sizer = wx.BoxSizer(wx.VERTICAL)
        sizer.Add(wx.StaticText(self.panel, label="输入文本:"), flag=wx.LEFT | wx.TOP, border=10)
        sizer.Add(self.text_ctrl_input, proportion=1, flag=wx.EXPAND | wx.ALL, border=10)
        sizer.Add(self.extract_button, flag=wx.ALIGN_CENTER | wx.ALL, border=10)
        sizer.Add(wx.StaticText(self.panel, label="提取的人名和公司名称:"), flag=wx.LEFT | wx.TOP, border=10)
        sizer.Add(self.text_ctrl_output, proportion=0, flag=wx.EXPAND | wx.ALL, border=10)
        self.panel.SetSizer(sizer)

        self.SetTitle('中文人名和公司名称提取器')
        self.SetSize((500, 400))
        self.Centre()

    def on_extract_names_and_companies(self, event):
        # Get the current text from the input text control
        text = self.text_ctrl_input.GetValue()

        # Extract names and companies using jieba
        names = []
        companies = []
        words = pseg.cut(text)
        for word, flag in words:
            if flag == 'nr':  # 人名
                names.append(word)
            elif flag == 'nt':  # 机构团体名，一般表示公司
                companies.append(word)

        # Combine names and companies, and remove duplicates
        all_entities = sorted(set(names + companies))

        # Display the results in the output text control
        self.text_ctrl_output.SetValue(', '.join(all_entities))

class MyApp(wx.App):
    def OnInit(self):
        frame = ChineseNameCompanyExtractorFrame(None)
        frame.Show(True)
        return True

if __name__ == "__main__":
    app = MyApp(False)
    app.MainLoop()

代码详解

初始化 ChineseNameCompanyExtractorFrame 类：
- 创建一个面板 (wx.Panel)。
- 创建一个多行文本输入框 (wx.TextCtrl)。
- 创建一个多行只读文本输出框 (wx.TextCtrl)。
- 创建一个按钮，并将按钮的点击事件绑定到 on_extract_names_and_companies 方法。
- 使用垂直盒子布局 (wx.BoxSizer) 布局文本框和按钮。
on_extract_names_and_companies 方法：
- 获取当前输入框中的文本。
- 使用jieba进行分词和词性标注：
  - nr表示人名。
  - nt表示机构团体名（一般表示公司）。
- 合并提取到的人名和公司名字，并去重。
- 将结果显示在只读文本输出框中。
MyApp 类：
- 初始化应用程序并显示框架。