嘿，这个需求其实很好实现，咱们一步步来拆解。核心目标很明确：先定位所有介词的位置，再抓取它们前后的名词、形容词、动词（跳过冠词这类无关词）。

先明确数据结构（举个实际例子） #

假设你的标注数据是类似这样的结构化列表（以Python为例，你可以根据自己用的工具调整格式）：

token_pos = [
    ("The", "DT"),
    ("glistening", "JJ"),
    ("oranges", "NN"),
    ("rest", "VB"),
    ("on", "IN"),
    ("the", "DT"),
    ("rectangular", "JJ"),
    ("angular", "JJ"),
    ("table", "NN")
]

这里IN是Penn Treebank标注体系里的介词标签，如果你用的是spaCy这类工具，介词标签会是ADP，记得对应调整。

核心实现思路 #

1. 先定义好要抓取的目标词性（名词、形容词、动词）、介词词性，以及要跳过的无关词性（比如冠词DT）
2. 遍历整个标注列表，定位到每个介词的位置
3. 对每个介词，分别向前、向后扫描，收集符合条件的词汇，遇到非目标/非跳过的词就停止扫描（避免抓取太远的无关内容）

具体代码实现（Python） #

# 定义要收集的目标词性：形容词、动词、名词（根据你的标注体系调整标签）
target_pos = {"JJ", "JJR", "JJS", "VB", "VBD", "VBG", "VBN", "VBP", "VBZ", "NN", "NNS", "NNP", "NNPS"}
# 介词的词性标签（根据你的标注工具调整，比如spaCy用"ADP"）
prep_pos = {"IN"}
# 要跳过的无关词性：比如冠词
skip_pos = {"DT"}

# 存储结果：键是介词，值是它附近的目标词汇
nearby_words = {}

# 遍历所有词元-词性对
for idx, (token, pos) in enumerate(token_pos):
    # 找到介词的位置
    if pos in prep_pos:
        current_nearby = []
        # 向前扫描，直到遇到非目标/非跳过词
        for i in range(idx - 1, -1, -1):
            t, p = token_pos[i]
            if p in skip_pos:
                continue
            if p in target_pos:
                current_nearby.append(t)
            else:
                break  # 遇到无关词性，停止向前扫
        # 向后扫描，直到遇到非目标/非跳过词
        for i in range(idx + 1, len(token_pos)):
            t, p = token_pos[i]
            if p in skip_pos:
                continue
            if p in target_pos:
                current_nearby.append(t)
            else:
                break  # 遇到无关词性，停止向后扫
        # 把结果存起来
        nearby_words[token] = current_nearby

# 打印结果
print(nearby_words)
# 输出：{'on': ['glistening', 'oranges', 'rest', 'rectangular', 'angular', 'table']}

几个关键细节要注意 #

• 词性标签适配：不同NLP工具的词性标签体系不一样！比如NLTK用Penn Treebank标签（介词IN），spaCy用Universal Dependencies标签（介词ADP），你得根据自己的数据集调整prep_pos和target_pos里的标签。
• 扫描范围自定义：上面的代码是扫到第一个无关词就停，如果你想固定扫前后N个词，比如前后各扫3个，直接把循环改成固定步数就行，不用判断词性停止。
• 去重需求：如果同一个词多次出现在介词附近，你可以用current_nearby = list(set(current_nearby))快速去重（不过会打乱顺序，要是在意顺序就用其他方法）。

刚好你的例子里，介词on前后的glistening（形容词）、oranges（名词）、rest（动词）、rectangular（形容词）、angular（形容词）、table（名词）都会被精准抓到，完全符合你的预期~

内容的提问来源于stack exchange，提问作者sparkh2o