從字符串中提取業務名稱和時間段

Question

我從使用Python提取有關某些公司的信息。我已經能夠從​​

拿到主任/主管的名字，人物傳記，並賠償現在，我想從傳記部分，它看起來是這樣的提取以前的位置職務和公司：

Donald T. Grimes先生自2008年5月起擔任Wolverine World Wide，Inc.的高級副總裁，首席財務官兼財務主管。從2007年至2008年，他擔任Keystone Automotive Operations，Inc.的執行副總裁兼首席財務官。 ，汽車配件和設備的分銷商。在Keystone之前，Grimes先生在布朗福爾曼公司擔任高級企業和部門財務職位，高級葡萄酒和烈酒的製造商和營銷商。在Brown-Forman工作期間，Grimes先生曾擔任2006年至2007年的副總裁，飲料金融總監; 2003年至2006年擔任企業規劃與分析部副總裁兼董事;高級副總裁，財務總監布朗 - 福曼烈酒美國從1999年到2003年

我可以用簡單的regex從和年拿到的，但我在關於如何編寫正則表達式來虧損獲得標題和公司名稱。我知道字符串格式不一致，所以我會採取適用於至少70％的案例的答案。這裏是我想要的輸出：

2007-2008, executive vice president and chief financial officer, Keystone Automotive operations 

Answer 1

你正在努力解決的問題是衆所周知和研究的，你會發現大量的研究論文描述的方法和算法，如果谷歌的術語「命名實體提取」和「關係提取」一些好的起點要點如下：

• 「使用Python進行自然語言處理」一書的第7章，實際上整本書可能會有所幫助。 Chapter online here

• 本文就"Named Entity Relation Mining using Wikipedia"

• 本文「DD Novel Algorithms for Relationship Mining描述採礦職稱和組織的一個例子。

這些都只是一些鏈接，我發現有趣的是，有更多，也許比這些更好，但這應該讓你開始。

Answer 2

我不認爲會有這樣一個單一的正則表達式，除非它真的很討厭。我認爲這個解決方案可能是Natural Language Processing。當然，這有些軟件包，但使用它們可能並不簡單。

基本上你想要一個像「X is/was Y」這樣的句子，並找出哪一部分是一個名字，哪一部分是職位名單，哪些部分是不相關的。也許可以查找大寫字母或小字如「and」和「of」的單詞序列？

(?:\u\w+)((?:\u\w*)|(?:of)|(?:and))* #Note the space 

的\u意味着未來單個字符（\w+組的第一個字符）是大寫的。沒有測試過，但它似乎應該工作。這可能是一個不平凡的問題。