spaCy自定义分句规则报错[E966]：nlp.add_pipe使用问题求助

spaCy 3.x版本起，nlp.add_pipe()要求传入已注册组件的字符串名称，不能直接传递函数，这是触发ValueError [E966]的原因。以下是修正后的实现方案：

修正后的完整代码 #

import spacy
from spacy.language import Language

# 加载预训练模型
nlp = spacy.load('en_core_web_sm')

# 注册自定义分句组件
@Language.component("custom_boundaries")
def set_custom_boundaries(doc):
    for token in doc[:-1]:
        if token.text == ";":
            doc[token.i + 1].is_sent_start = True
    return doc

# 将组件插入流水线，位置在parser之前（确保自定义规则优先生效）
nlp.add_pipe("custom_boundaries", before="parser")

# 测试分句效果
doc2 = nlp(u'"Management is doing the right things; leadership is doing the right things." -Peter Drucker')
for sent in doc2.sents:
    print(sent.text)

核心说明 #

• 用@Language.component("组件名称")装饰自定义函数，完成组件注册，让spaCy能够识别并调用它
• 添加组件时传入注册的名称"custom_boundaries"，并指定before="parser"——因为spaCy的parser组件负责默认分句逻辑，我们需要在它执行前设置自定义分句标记，确保规则生效
• 运行后会输出两个分句：

  "Management is doing the right things;
  leadership is doing the right things." -Peter Drucker
  

内容的提问来源于stack exchange，提问作者Seydou GORO