如何在SpaCy config.cfg中注册自定义组件？解决[E002]报错

问题场景 #

我基于SpaCy实现了两个自定义组件：

• sentence_splitter：通过@Language.component装饰的无状态组件
• matcher：通过@Language.factory装饰的有状态组件

已在config.cfg中完成两个组件的配置，但执行以下命令时均触发错误：

spacy debug config config.cfg
spacy train config.cfg --output ./output

错误信息：

ValueError: [E002] Can't find factory for 'sentence_splitter'

原因分析 #

SpaCy的配置加载逻辑对两种组件的处理方式不同：

• 用@Language.factory注册的有状态组件，会自动关联工厂函数，因此可以直接在config中用factory = "组件名"配置
• 用@Language.component注册的无状态组件，没有对应的工厂函数，无法通过factory字段加载，必须明确指定组件的来源路径或提前加载组件代码

解决方案 #

以下两种方法任选其一即可解决问题：

方法1：训练时通过--code参数加载组件代码 #

执行命令时，通过--code指定包含自定义组件的Python文件路径，让SpaCy在加载配置前先注册组件：

# 验证配置
spacy debug config config.cfg --code your_components.py

# 启动训练
spacy train config.cfg --output ./output --code your_components.py

替换your_components.py为你实际存放组件代码的文件名。

方法2：修改config.cfg指定组件来源 #

假设你的组件代码在my_components.py文件中，且sentence_splitter注册时指定了明确名称：

import spacy
from spacy.language import Language

@Language.component("sentence_splitter")
def sentence_splitter(doc):
    # 组件逻辑
    return doc

修改config.cfg，在组件配置块中用source字段指定组件的模块路径：

# 首先在nlp.pipeline中添加组件顺序
[nlp]
pipeline = ["sentence_splitter", "matcher"]
lang = "zh"  # 替换为你的目标语言
...

# 配置无状态组件sentence_splitter
[components.sentence_splitter]
source = "my_components.sentence_splitter"

# 有状态组件matcher的配置保持不变（用factory字段）
[components.matcher]
factory = "matcher"
# 这里添加matcher需要的自定义参数，例如：
# pattern_path = "./patterns.json"

注意事项 #

• 确保组件代码所在目录处于Python的sys.path中，或者在该目录下执行训练/验证命令
• 组件注册时的名称（@Language.component("xxx")中的字符串）必须和config.cfg中组件块的名称完全一致

验证 #

执行spacy debug config命令确认配置无错误后，再启动训练即可正常加载组件。

内容的提问来源于stack exchange，提问作者dingoyum