• Введение в пространство

spacy — это пакет обработки естественного языка Python, который может выполнять анализ частей речи, распознавание именованных объектов, определение характеристик зависимостей, а также расчет и визуализацию векторов встраивания слов в тексты на естественном языке.

1. Установите пространство

Если при использовании «pip install spacy» сообщается об ошибке или spacy не может быть вызван нормально после его установки, вы можете загрузить файл whl на локальный компьютер по следующей ссылке, затем перейти к пути к файлу и установить его через pip.

pip install spacy

Ссылка для скачивания:

Archived: Python Extension Packages for Windows - Christoph Gohlke (uci.edu)

Выберите соответствующую версию:

2. Установка языковой библиотеки

2.1 zh_core_web_sm

2.1: английский = python -m spacy download en_core_web_sm
2.2: Китайский = python -m spacy download zh_core_web_sm

Вы можете вручную загрузить пакет, а затем загрузить его.
Скачать адрес = https://github.com/explosion/spacy-models/releases/download/zh_core_web_sm-3.7.0/zh_core_web_sm-3.7.0-py3-none-any.whl
После загрузки выполните команду: pip install zh_core_web_sm-3.7.0-py3-none-any.whl

Загрузите файл whl на свой локальный компьютер по ссылке ниже:

zh_core_web_sm · Releases · explosion/spacy-models (github.com)

Выберите соответствующую версию:

Загрузите файл zh_core_web_sm.whl соответствующей версии, перейдите в каталог, в котором сохранен файл, а затем установите его через pip.

pip install spacy
python -m spacy download zh_core_web_sm

Советы для успешной установки:

2.2 Установите en_core_web_sm

Загрузите файл whl на свой локальный компьютер по ссылке ниже:

en_core_web_sm · Releases · explosion/spacy-models (github.com)

Выберите соответствующую версию:

Загрузите файл zh_core_web_sm.whl соответствующей версии, перейдите в каталог, в котором сохранен файл, а затем установите его через pip.

3. Тест эффективности

3.1 тест по английскому языку

# Импортировать урок английского языка
from spacy.lang.en import English 
# Создайте экземпляр объекта класса nlp, включая конвейер.
nlp = English()
# print(nlp)
doc = nlp("December is excited!")
# Перебирать токены
for token in doc:
    print(token.text)
    
token = doc[1]
print(token.text)

Результат вывода:

December
is
excited
!
is

3.2 Китайский тест

# Текст процесса
nlp = spacy.load('zh_core_web_sm')
doc = nlp("Nvidia готовится купить этот французский стартап за 2 миллиарда долларов.")
 
# Обход идентифицированных объектов
for ent in doc.ents:
    # Печать текста объекта и его аннотаций
    print(ent.text, ent.label_)

Результат вывода:

NVIDIA ORG
2 миллиарда долларов США MONEY
Франция NORP