如何使用SymPy等库从任意文本中提取基础数学表达式

数据老陈

2026-10-5

从自然语言段落提取基础数学表达式的可行方案

首先明确：纯SymPy本身没有内置的文本片段提取能力，但你可以用「规则预筛选+SymPy语法校验」的启发式方案实现需求，对格式规整的纯文本表达式准确率很高。

具体实现可以拆为三步：

第一步：从输入文本中切取候选片段
先基于字符特征圈定可能的表达式范围：优先匹配包含=、四则运算符、幂符号^、括号、单个英文字母变量的连续字符串，跳过中文字符、标点等自然语言内容。你举的例子中，就能先定位到「为」和「，」之间的(x^2/a^2) + (y^2/b^2) = 1作为待校验候选。
第二步：用SymPy做合法性校验
SymPy的parse_expr方法可以校验字符串是否为合法的数学表达式，注意要先做幂运算符兼容处理：SymPy默认用**表示幂，而普通文本里常用^，需要先做替换。示例代码如下：
```
from sympy import parse_expr, SympifyError

def check_math_expr(candidate_str):
    # 兼容普通文本的幂符号写法
    processed = candidate_str.replace('^', '**')
    try:
        parse_expr(processed)
        return True
    except SympifyError:
        return False
```
调用这个方法校验第一步切出的候选，返回True的就是符合要求的数学表达式。
第三步：补充边界规则优化准确率
可以额外加过滤规则减少误判：比如排除长度过短的片段、排除仅含数字的片段、排除类似「（1）」「（a）」的序号类带括号内容，要求表达式至少包含1个变量和1个运算符。