如何用Python NLP处理格式多变的Reddit标题以提取特定信息？

问题背景 #

我正在爬取Reddit站点并解析借贷类帖子的标题，但标题格式无固定规范，正则表达式无法覆盖所有变体，需要具备英语语义理解能力才能准确提取以下关键信息：

• 请求金额
• 还款金额
• 还款日期
• 还款方式

标题示例 #

以下是格式多变的标题实例：

[REQ] ($500)(#Brisbane, Queensland, Australia)(Repay $550 March 20)(PayPal)
[REQ] ($300) (#Scottsdale, AZ, USA) (Repay $360 3/17/23) (CashApp)
[Req] (400) - (#Los Angeles, Ca, USA), (Repay $440 on 3/17/23), (Cash app)
[REQ] ($150) - (#Phoenix, Arizona, USA), (REPAY $175 03/6/23), (PayPal)
[REQ] - (#Tooele, UT, US), ($300), (Payback $200 3/31/23, $200 4/30/23)

格式变体分析 #

标题存在大量细微变体，主要包括：

• [REQ]标识与位置信息之间可能存在短横线分隔
• 请求金额与位置信息的顺序不固定
• 还款表述有多种形式：Repay、payback、pay back等（大小写不统一）
• 日期格式多样：如3/6、March 20、3/17/23等

人类可以轻松解析这些变体，但我不确定需要用到多复杂的NLP模型来实现自动化提取。

内容的提问来源于stack exchange，提问作者No Name