如何根据LanguageDetector检测结果加载对应Spacy语言模块？

现有基于spacy_langdetect的代码示例始终加载英文Spacy模块，希望实现先检测文本语言，再自动加载对应语言的Spacy核心模型的逻辑，预期逻辑如下（但当前无法直接实现）：

languageCode = LanguageDetector.detect('This is a text example')
nlp = spacy.load(languageCode.lower() + "_core_web_sm")

原示例代码：

import spacy
from spacy.language import Language
from spacy_langdetect import LanguageDetector

def get_lang_detector(nlp, name):
    return LanguageDetector()

nlp = spacy.load("en_core_web_sm")
Language.factory("language_detector", func=get_lang_detector)
nlp.add_pipe('language_detector', last=True)
text = 'This is an english text.'
doc = nlp(text)
print(doc._.language)

spacy_langdetect的LanguageDetector没有直接的静态detect方法，需要先通过空白Spacy实例搭建轻量的语言检测管道，避免提前加载具体语言模型，再根据检测结果加载对应模型。

完整实现代码 #

import spacy
from spacy.language import Language
from spacy_langdetect import LanguageDetector

def get_lang_detector(nlp, name):
    return LanguageDetector()

# 1. 创建空白Spacy实例，用于轻量语言检测
blank_nlp = spacy.blank("xx")  # "xx"代表空白多语言容器，无需加载特定语言模型
Language.factory("language_detector", func=get_lang_detector)
blank_nlp.add_pipe('language_detector')

# 2. 检测输入文本的语言
text = "Este es un texto en español."  # 可替换为任意待检测文本
doc = blank_nlp(text)
detected_lang = doc._.language['language']  # 获取检测到的语言代码（如'es'、'en'）

# 3. 尝试加载对应语言的核心模型，添加异常处理
try:
    model_name = f"{detected_lang}_core_web_sm"
    nlp = spacy.load(model_name)
    print(f"成功加载模型: {model_name}")
    
    # 用加载好的模型处理文本（示例：打印分词结果）
    processed_doc = nlp(text)
    print([token.text for token in processed_doc])
except OSError:
    print(f"未找到模型 {model_name}，请先安装：pip install {model_name}")
except Exception as e:
    print(f"加载模型出错: {str(e)}")

关键说明 #

• 使用spacy.blank("xx")创建空白实例，无需加载任何语言模型，仅用于运行语言检测管道，保证检测阶段的轻量性。
• doc._.language返回包含language（语言代码）和score（置信度）的字典，取language字段即可获取如en、es这类标准代码。
• 添加异常处理，避免因模型未安装或目标语言无对应核心模型导致程序崩溃。

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