<p>Spacy只需使用<code>en_nlp = spacy.load('en'); doc=en_nlp(sentence)</code>,就可以实现所有这些功能。<a href="https://spacy.io/docs/#getting-started" rel="noreferrer">documentation</a>提供了有关如何访问每个元素的详细信息。在</p>
<p>示例如下:</p>
<pre><code>In [1]: import spacy
...: en_nlp = spacy.load('en')
In [2]: en_doc = en_nlp(u'Hello, world. Here are two sentences.')
</code></pre>
<p>使用<code>doc.sents</code>可以获得句子:</p>
^{pr2}$
<p>名词块由<code>doc.noun_chunks</code>给出:</p>
<pre><code>In [6]: list(en_doc.noun_chunks)
Out[6]: [two sentences]
</code></pre>
<p><a href="https://spacy.io/docs/#examples-entities" rel="noreferrer">Named entity</a>由<code>doc.ents</code>给出:</p>
<pre><code>In [11]: [(ent, ent.label_) for ent in en_doc.ents]
Out[11]: [(two, u'CARDINAL')]
</code></pre>
<p>标记化:可以迭代doc以获取令牌。<code>token.orth_</code>给出令牌的str。在</p>
<pre><code>In [12]: [tok.orth_ for tok in en_doc]
Out[12]: [u'Hello', u',', u'world', u'.', u'Here', u'are', u'two', u'sentences', u'.']
</code></pre>
<p>POS由<code>token.tag_</code>给出:</p>
<pre><code>In [13]: [tok.tag_ for tok in en_doc]
Out[13]: [u'UH', u',', u'NN', u'.', u'RB', u'VBP', u'CD', u'NNS', u'.']
</code></pre>
<p>柠檬化:</p>
<pre><code>In [15]: [tok.lemma_ for tok in en_doc]
Out[15]: [u'hello', u',', u'world', u'.', u'here', u'be', u'two', u'sentence', u'.']
</code></pre>
<p>依赖关系分析。您可以使用<code>token.dep_</code><code>token.rights</code>或{<cd9>}来遍历解析树。您可以编写一个函数来打印依赖项:</p>
<pre><code>In [19]: for token in en_doc:
...: print(token.orth_, token.dep_, token.head.orth_, [t.orth_ for t in token.lefts], [t.orth_ for t in token.rights])
...:
(u'Hello', u'ROOT', u'Hello', [], [u',', u'world', u'.'])
(u',', u'punct', u'Hello', [], [])
(u'world', u'npadvmod', u'Hello', [], [])
...
</code></pre>
<p>有关更多详细信息,请参阅spacy文档。在</p>