Python从CONLL文件中提取特定标签的实体

with open('train.conll', 'r', encoding='utf-8') as f:
    data = f.readlines()

tags = ['B-prov', 'I-prov', 'E-prov', 'B-city', 'I-city', 'E-city', 'B-district', 'I-district', 'E-district', 'B-town', 'I-town', 'E-town', 'B-community', 'I-community', 'E-community', 'B-village_group', 'E-village_group', 'B-road', 'I-road', 'E-road', 'B-subpoi', 'I-subpoi', 'E-subpoi']

words = []
for line in data:
    if line == '\n':
        word = ''.join(words)
        print(word)
        with open('ci.txt', 'a', encoding='utf-8') as f:
            f.write(word + '\n')
        words = []
    else:
        line = line.strip().split()
        if line[1] in tags:
            words.append(line[0])

这段代码实现了以下功能：

读取CONLL文件：打开名为'train.conll'的文件，并逐行读取数据。
定义目标标签列表：创建一个包含所有需要提取的标签的列表tags。
遍历数据行：
- 如果遇到空行，则表示一个实体结束，将words列表中的字符拼接成字符串，打印并写入'ci.txt'文件，然后清空words列表。
- 如果不是空行，则分割每一行，判断第二个元素（标签）是否在目标标签列表tags中，如果是则将第一个元素（词语）添加到words列表中。

通过这段代码，你可以方便地从CONLL文件中提取出特定标签的实体，并将其保存到txt文件中，方便后续的分析和处理。