如何拼接两个spaCy Doc对象？寻求简便实现方案

spaCy从v2.1版本开始已支持直接合并多个Doc对象，官方提供的Doc.from_docs()是最简便且能保留原Doc标注信息的方案，无需手动处理token或重新解析文本。

示例代码 #

import spacy

nlp = spacy.load('en')
doc1 = nlp(u'This is the doc number one.')
doc2 = nlp(u'And this is the doc number two.')

# 合并两个Doc对象
new_doc = spacy.tokens.Doc.from_docs([doc1, doc2])

# 验证合并结果
print(new_doc.text)  # 输出: This is the doc number one. And this is the doc number two.

关键说明 #

• Doc.from_docs()会完整保留每个原Doc中token的所有标注信息（如词性标注、实体识别结果、依存关系等），避免了重新调用nlp解析带来的资源消耗和结果不一致问题。
• 如果仅需拼接文本创建新Doc（比如nlp(doc1.text + " " + doc2.text)），虽可行但会丢失原Doc已有的所有标注，需重新计算，仅适合不需要保留原有分析结果的场景。

内容的提问来源于stack exchange，提问作者pyoupyou