spaCy 3.4.3中集成pysbd作为管道组件报错的求助

问题原因 #

你遇到的错误源于spaCy 3.x版本的API变更：nlp.add_pipe()不再支持直接传入组件实例，必须传入已注册的组件工厂名称字符串，而原代码直接传入了PySBDFactory(nlp)实例，不符合新版本的调用规范。

修正后的代码 #

直接使用pysbd预注册的组件名称'pysbd'添加管道即可，无需手动实例化PySBDFactory：

import spacy

nlp = spacy.blank('en')
# 通过注册的组件名称添加pysbd管道
nlp.add_pipe('pysbd')

doc = nlp('My name is Jonas E. Smith. Please turn to p. 55.')
print(list(doc.sents))

运行后将得到预期输出：

[My name is Jonas E. Smith., Please turn to p. 55.]

自定义配置（可选） #

如果需要调整pysbd的分割规则或参数，可以通过add_pipe的config参数传入自定义配置：

# 示例：禁用文本清理、保留字符跨度信息
nlp.add_pipe('pysbd', config={'clean': False, 'char_span': True})

内容的提问来源于stack exchange，提问作者Simply Jeff