如何在MongoDB集合中存储Stanza Span对象？

核心原因 #

MongoDB仅支持JSON兼容的数据类型（字典、列表、字符串、数字等），而stanza.models.common.doc.Span是自定义类实例，无法被MongoDB驱动直接序列化，所以插入时会报错。解决思路就是把Span对象转换成普通字典再插入。

具体实现方案 #

方案1：手动提取字段转换 #

直接遍历列表，把每个Span实例的目标字段提取出来组装成字典：

# 处理你的Span对象列表
processed_stanza_list = []
for span in stanzanerlist:
    span_dict = {
        "text": span.text,
        "type": span.type,
        "start_char": span.start_char,
        "end_char": span.end_char
    }
    processed_stanza_list.append(span_dict)

# 插入MongoDB
your_collection.insert_one({
    # 其他正常字段...
    "stanzaner_list": processed_stanza_list
})

方案2：利用Span内置的转字典方法（如果可用） #

部分Stanza对象自带to_dict()方法，可以快速转成字典，再筛选需要的字段：

# 先转成全量字典，再筛选目标字段
processed_stanza_list = []
for span in stanzanerlist:
    full_dict = span.to_dict()
    filtered_dict = {k: full_dict[k] for k in ["text", "type", "start_char", "end_char"]}
    processed_stanza_list.append(filtered_dict)

# 插入逻辑同上

方案3：自定义全局编码器（适合频繁使用场景） #

如果代码中经常需要处理这类对象，可以写一个自定义JSON编码器，让MongoDB自动处理序列化：

from bson import json_util
import json
import stanza

class SpanEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, stanza.models.common.doc.Span):
            return {
                "text": obj.text,
                "type": obj.type,
                "start_char": obj.start_char,
                "end_char": obj.end_char
            }
        # 其他类型交给默认编码器处理
        return super().default(obj)

# 组装插入数据
insert_data = {
    # 其他字段...
    "stanzaner_list": stanzanerlist
}

# 编码后插入
encoded_data = json.loads(json.dumps(insert_data, cls=SpanEncoder))
your_collection.insert_one(encoded_data)

注意事项 #

• 可以通过dir(span)打印Span对象的所有属性，确认你要提取的字段名是否正确（部分Stanza版本可能属性名有差异）；
• 如果列表中嵌套了其他自定义对象，需要同样做序列化处理。

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