如何让spaCy displaCy.render生成符合XML规范的HTML？

1. 自定义displaCy模板（推荐） #

displaCy支持通过自定义模板修改生成的HTML结构，这是最彻底的解决方式：

• 找到spaCy安装目录下的displaCy模板路径，实体识别对应的模板是spacy/displacy/templates/ent.html
• 复制该模板到你的项目目录，将模板中所有的</br>替换为符合XML规范的<br/>自闭合标签
• 调用displacy.render时，通过template参数指定自定义模板的路径

示例代码：

import spacy
from spacy import displacy

# 加载模型并处理文本
nlp = spacy.load("en_core_web_sm")
doc = nlp("Your target text with entities...")

# 使用自定义模板生成HTML
html_output = displacy.render(
    doc,
    style="ent",
    template="./path/to/your/custom_ent.html"  # 替换为你的自定义模板路径
)

# 保存合规的HTML文件
with open("valid_visualization.html", "w", encoding="utf-8") as f:
    f.write(html_output)

2. 生成后批量替换（快速方案） #

如果不想修改模板，直接对生成的HTML字符串做替换是最快捷的方式，代码示例：

html_output = displacy.render(doc, style="ent")
# 替换不符合XML规范的标签
xml_valid_html = html_output.replace("</br>", "<br/>")

# 保存处理后的文件
with open("valid_visualization.html", "w", encoding="utf-8") as f:
    f.write(xml_valid_html)

3. 调整可视化选项减少换行标签 #

你也可以通过displacy.render的options参数调整渲染行为，比如禁用自动换行，或用<p>标签分段代替<br/>，不过这种方式的灵活性不如自定义模板。

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