使用SpaCy提取Excel德语文本形容词失败问题求助

核心问题1：行号获取逻辑错误 #

原代码中iter_rows使用了values_only=True，导致row[0]是单元格的文本值而非Cell对象，调用row[0].row会触发AttributeError，根本无法正确写入列E的数据，这是多数行结果为空的主要原因。

核心问题2：形容词标签判断存在遗漏 #

德语形容词在SpaCy的标签体系中存在两种标注逻辑：UD标签统一为ADJ，但STTS标签会细分为ADJA（定语形容词，如schönes Haus）和ADJD（谓语形容词，如Das Haus ist schön）。仅判断pos_ == 'ADJ'会遗漏部分场景下的形容词；另外de_core_news_sm是小型模型，对复杂长文本的标注精度有限，可能出现冠词误标为形容词的情况。

修正后的代码 #

import openpyxl
import spacy

source_file_path = r'C:\Users\USERNAME\Desktop\test.xlsx'

# 加载Excel文件
workbook = openpyxl.load_workbook(source_file_path)
sheet = workbook.active

# 加载德语模型
nlp = spacy.load('de_core_news_sm')

def extract_adjectives(text):
    # 预处理：转换为字符串并清理空字符、换行符
    clean_text = str(text).strip()
    if not clean_text:
        return ""
    doc = nlp(clean_text)
    # 同时匹配UD标签和STTS标签，覆盖更多形容词场景
    adjectives = [token.text for token in doc if token.pos_ == 'ADJ' or token.tag_ in ('ADJA', 'ADJD')]
    # 去重避免重复提取同一形容词
    unique_adjectives = list(dict.fromkeys(adjectives))
    return ', '.join(unique_adjectives)

# 遍历A列，用enumerate获取行号（start=1对应Excel第一行）
for row_num, row in enumerate(sheet.iter_rows(min_col=1, max_col=1), start=1):
    cell_value = row[0].value
    if cell_value:
        adjectives = extract_adjectives(cell_value)
        # 写入E列（第5列）
        sheet.cell(row=row_num, column=5, value=adjectives)

workbook.save(source_file_path)
print(f'形容词已提取至文件 {source_file_path} 的E列。')

调试建议 #

如果仍有提取错误，可在extract_adjectives函数中加入调试代码，查看模型对每个词汇的标注结果：

def extract_adjectives(text):
    clean_text = str(text).strip()
    if not clean_text:
        return ""
    doc = nlp(clean_text)
    # 打印每个词的文本、POS标签、STTS标签
    for token in doc:
        print(f"词: {token.text}, POS: {token.pos_}, TAG: {token.tag_}")
    adjectives = [token.text for token in doc if token.pos_ == 'ADJ' or token.tag_ in ('ADJA', 'ADJD')]
    unique_adjectives = list(dict.fromkeys(adjectives))
    return ', '.join(unique_adjectives)

通过调试信息可以明确模型对特定词汇的标注情况，针对性调整判断逻辑。

内容的提问来源于stack exchange，提问作者DO5DKL