使用Python编写实体识别程序，提取中文文本中的实体列表

以下是一个使用Python编写的简单中文实体识别程序，并带有一个使用示例。

首先，我们将使用jieba库进行中文分词，并在此基础上对实体进行识别。然后，我们将使用字典（或列表）存储一些常见的实体词，以便进行匹配。

import jieba

# 加载自定义的实体词典
jieba.load_userdict('entity_dict.txt')

# 定义一个函数，用于提取中文文本中的实体
def extract_entities(text):
    # 分词
    words = jieba.cut(text)

    # 加载实体词词典
    entity_dict = ['北京', '上海', '杭州', '苹果', '华为']

    # 存储提取到的实体
    entities = []

    # 遍历分词结果，检查是否为实体词
    for word in words:
        if word in entity_dict:
            entities.append(word)

    # 去重实体列表
    entities = list(set(entities))

    return entities

# 使用示例
text = '我想买一个苹果手机，不知道在杭州有没有华为的专卖店。'
entities = extract_entities(text)
print(entities)

输出结果为：['苹果', '华为', '杭州']

在这个例子中，我们加载了自定义的实体词典，其中包含一些城市名称和品牌名称。然后，我们使用jieba库对文本进行分词，并逐个检查分词结果是否为实体词。最后，我们去除重复的实体词并输出结果。

请注意，上述代码仅为一个简单的示例，实体的识别和提取的质量可能不高。可以根据具体需求，更换分词工具、实体词词典、模型等来提高实体识别的准确性和完整性。