如何让Stanza词形还原器仅返回lemma而非字典？

你可以直接从Stanza返回的Document对象中遍历提取lemma字段，不需要额外运行多余的处理步骤，具体实现如下：

完整代码示例 #

import stanza

# 下载模型并初始化pipeline（和你原代码一致）
stanza.download('es', package='ancora', processors='tokenize,mwt,pos,lemma', verbose=False)
stNLP = stanza.Pipeline(processors='tokenize,mwt,pos,lemma', lang='es', use_gpu=True)

# 处理目标文本
doc = stNLP('me hubiera gustado mas “sincronia” con la primaria')

# 提取所有词形还原结果
lemmas = []
for sentence in doc.sentences:
    # 处理多词拆分（比如西班牙语缩合词，如"del"会拆成"de"+"el"）
    for mwt in sentence.mwts:
        lemmas.extend([token.lemma for token in mwt.tokens])
    # 处理普通单词，排除已被多词拆分覆盖的token
    for token in sentence.tokens:
        if not token.is_mwt:
            lemmas.append(token.lemma)

# 输出结果
print(lemmas)

简化写法（列表推导式） #

如果想要更简洁的代码，可以用嵌套列表推导式实现相同逻辑：

lemmas = [t.lemma for sent in doc.sentences for mwt in sent.mwts for t in mwt.tokens] + \
         [t.lemma for sent in doc.sentences for t in sent.tokens if not t.is_mwt]

说明 #

• 上述代码仅从Stanza返回的结果中提取lemma字段，不会触发额外的模型计算，完全符合你"不想让工具做额外工作"的需求。
• 必须处理mwts（多词token）部分，否则会漏掉西班牙语中缩合词拆分后的词形还原结果，保证提取的完整性。

内容的提问来源于stack exchange，提问作者trashparticle