如何通过变量名访问spaCy Span的自定义属性

已为spaCy的Span类注册多个自定义扩展（如has_city、is_in_europe、is_on_the_coast），需要实现通用方法，通过传入扩展名称字符串，遍历文档中的Span并提取符合该扩展条件的信息。

核心解决方法 #

spaCy的自定义扩展属性存储在Span的._属性对象中，该对象支持动态属性访问：

• 使用getattr(span._, 扩展名称)或字典式语法span._[扩展名称]，即可通过变量名获取对应扩展的属性值。
• 可先用Span.has_extension(扩展名称)检查扩展是否已注册，避免抛出AttributeError。

完整代码示例 #

1. 注册多个自定义扩展

from spacy.tokens import Span
import spacy

nlp = spacy.load("en_core_web_sm")

# 定义扩展判断逻辑
city_list = ("New York", "Paris", "Berlin")
europe_cities = ("Paris", "Berlin")
coastal_cities = ("New York",)

def has_city(span):
    return any(city in span.text for city in city_list)

def is_in_europe(span):
    return any(city in span.text for city in europe_cities)

def is_on_the_coast(span):
    return any(city in span.text for city in coastal_cities)

# 注册扩展到Span类
Span.set_extension("has_city", getter=has_city)
Span.set_extension("is_in_europe", getter=is_in_europe)
Span.set_extension("is_on_the_coast", getter=is_on_the_coast)

2. 实现通用处理方法

def dostuff(doc, extension_name):
    # 检查扩展是否存在
    if not Span.has_extension(extension_name):
        raise ValueError(f"未找到名为 {extension_name} 的Span扩展")
    
    matching_spans = []
    # 遍历文档中所有连续Span（可根据需求调整Span长度范围）
    for start_idx in range(len(doc)):
        for end_idx in range(start_idx + 1, len(doc) + 1):
            current_span = doc[start_idx:end_idx]
            # 通过变量名访问扩展属性
            if getattr(current_span._, extension_name):
                matching_spans.append({
                    "span_text": current_span.text,
                    "start_position": start_idx,
                    "end_position": end_idx
                })
    return matching_spans

# 测试调用
doc = nlp("I like New York in Autumn, and Paris is nice too")
print("匹配has_city的Span:", dostuff(doc, "has_city"))
print("匹配is_in_europe的Span:", dostuff(doc, "is_in_europe"))
print("匹配is_on_the_coast的Span:", dostuff(doc, "is_on_the_coast"))

补充说明 #

• 字典式访问current_span._[extension_name]与getattr(current_span._, extension_name)效果完全一致，可根据习惯选择。
• 若仅需处理特定类型的Span（如已通过规则或模型识别的实体Span），可将遍历逻辑改为for span in doc.ents，提升效率。

内容的提问来源于stack exchange，提问作者JFerro