如何检测单词的基础名词？解决数据库表名关联匹配问题

针对你遇到的表名单复数导致关联识别失效的问题，这几个Python工具能帮你精准提取表名的基础名词：

1. NLTK的WordNetLemmatizer #

这是处理词形变化的常用工具，能轻松解决单复数转换问题。先安装NLTK并下载依赖数据：

import nltk
from nltk.stem import WordNetLemmatizer
nltk.download('wordnet')

lemmatizer = WordNetLemmatizer()
# 处理单复数场景
print(lemmatizer.lemmatize("products", pos="n"))  # 输出: product
print(lemmatizer.lemmatize("product", pos="n"))   # 输出: product

遇到DimProduct这类驼峰命名的表名时，可先拆分再提取核心名词：

import re
def split_camel_case(s):
    return re.findall(r'[A-Z]?[a-z]+|[A-Z]+(?=[A-Z]|$)', s)

# 拆分DimProduct得到["Dim", "Product"]
parts = split_camel_case("DimProduct")
# 过滤前缀并还原核心名词
core_word = [lemmatizer.lemmatize(part.lower(), pos="n") for part in parts if part.lower() != "dim"][0]
print(core_word)  # 输出: product

2. spaCy的词形还原 #

spaCy的预训练模型能更智能处理复杂词形，适合多场景的表名处理。先安装spaCy并下载轻量模型：

import spacy

nlp = spacy.load("en_core_web_sm")
doc = nlp("products")
print(doc[0].lemma_)  # 输出: product

# 处理带前缀的驼峰表名
doc = nlp(" ".join(split_camel_case("DimProduct")))
core_lemma = [token.lemma_ for token in doc if token.text.lower() != "dim"][0]
print(core_lemma)  # 输出: product

3. 轻量自定义规则（应急场景） #

如果不想安装大型NLP库，可针对数据库表名的常见规律写简单规则，但注意仅适合普通场景：

def get_base_noun(table_name):
    name = table_name.lower()
    # 处理末尾的s/es，排除ss这类特殊情况
    if name.endswith("es") and not name.endswith("ss"):
        return name[:-2]
    elif name.endswith("s") and not name.endswith("ss"):
        return name[:-1]
    return name

print(get_base_noun("products"))  # 输出: product
print(get_base_noun("product"))   # 输出: product

这种方法无法覆盖所有特殊词形（比如"bus"变"buses"会处理错误），优先推荐使用NLTK或spaCy的专业方案。

内容的提问来源于stack exchange，提问作者samitugal