如何保存Spacy NER的ent.label与ent.text？多实体值存储问题

首先明确：Python的字典不允许存在重复键，你期望的输出格式在语法上是无效的——如果强行写重复键，最终字典只会保留最后一个键对应的值。正确的实现方式是让每个标签对应一个列表，用来存储同标签下的所有实体值。

修改后的代码 #

d = []
# 直接遍历DataFrame的行，无需先转存到列表c
for idx, row in article.iterrows():
    e = {'Urls': row[0]}  # 初始化字典，先存入Url
    a = str(row[2])
    doc = ner(a)
    for ent in doc.ents:
        label = ent.label_
        # 如果标签不在字典里，先创建空列表
        if label not in e:
            e[label] = []
        # 将实体文本追加到对应标签的列表中
        e[label].append(ent.text)
    d.append(e)

正确的输出示例 #

处理后每个标签会对应一个包含所有实体值的列表，格式如下：

[
    {
        'Urls': 'https://somewebsite.com',
        'Fruit': ['Apple', 'orange', 'watermelon'],
        'Fruit_colour': ['Red', 'orange', 'Green']
    },
    {
        'Urls': 'https://some_other_website.com/',
        'Fruit': ['Papaya', 'Peach', 'Mango'],
        'Fruit_colour': ['Yellow', 'Yellow', 'Green']
    }
]

代码优化说明 #

• 去掉了冗余的列表c，直接遍历article.iterrows()的结果，提升代码简洁性
• 对每个实体标签，先判断是否已存在于字典中，不存在则初始化空列表，再追加实体值，避免覆盖
• 保持了原逻辑的核心功能，同时解决了多实体标签的存储问题

内容的提问来源于stack exchange，提问作者Arun Vijay