如何在Spacy中提取不含语法冠词的名词（支持多语言）

要得到只包含核心名词的列表，不用硬编码移除特定冠词或限定词，直接利用spaCy名词块的**语法中心词（root）**属性即可，这是多语言通用的方案：

spaCy的noun_chunks每个块都有一个root字段，这个字段指向该名词块的语法核心——也就是真正的名词本身，自动排除了前面的冠词、数词、限定词等修饰成分。不管是英语、法语、西班牙语还是其他spaCy支持的语言，只要模型能正确解析名词块，就能用这个方法提取核心名词。

修改后的示例代码：

import spacy

nlp_en = spacy.load('en_core_web_sm') # v3.7.1
doc = nlp_en('The man has cars, houses and one dog')
core_nouns = [chunk.root.text for chunk in doc.noun_chunks]
print(core_nouns) # ['man', 'cars', 'houses', 'dog']

举个多语言的例子，比如法语句子"Le chat noir mange une pomme"，加载fr_core_news_sm模型后，用同样的代码会输出['chat', 'pomme']，自动去掉了冠词"Le"和"une"，完全不需要针对不同语言做额外配置。

如果遇到带形容词修饰的名词块（比如"The big old house"），root依然会指向核心名词"house"，不会受前置修饰成分影响。

内容的提问来源于stack exchange，提问作者João Pimentel Ferreira