使用spaCy依赖匹配器获取匹配句子时遇类型错误的求助

问题背景 #

已通过spaCy的DependencyMatcher提取出带有"nsubj"依存关系的动词匹配结果：

[('nsubj_verb', rabbits, jumping),
 ('nsubj_verb', grass, getting),
 ('nsubj_verb', they, come)
]

但执行以下代码获取匹配对应句子时触发TypeError: 'in <string>' requires string as left operand, not tuple：

inc_sentences = []

for sentence in doc.sents:
    if not any(word in sentence.text for word in text_for_patterns):   
        inc_sentences.append(sentence.text)

错误原因 #

text_for_patterns中的元素是匹配结果里的元组，而sentence.text是字符串，无法用元组执行in判断，因此触发类型错误。

解决方案 #

推荐方案：利用spaCy Token的sent属性（准确高效） #

spaCy的每个Token对象都自带sent属性，直接指向其所属的句子，无需文本匹配。步骤如下：

1. 从匹配结果中提取所有相关Token，收集对应的句子并去重：

# 假设匹配结果存储在matches变量中
matches = [('nsubj_verb', rabbits, jumping),
           ('nsubj_verb', grass, getting),
           ('nsubj_verb', they, come)]

inc_sentences = []
seen_sentences = set()

for match in matches:
    _, subj_token, verb_token = match
    # 主语和动词属于同一句子，取任意一个的sent即可
    target_sent = subj_token.sent
    # 去重避免重复添加相同句子
    if target_sent not in seen_sentences:
        inc_sentences.append(target_sent.text)
        seen_sentences.add(target_sent)

备选方案：修正文本匹配逻辑（仅适合无重复词场景） #

如果必须用文本匹配，需先从匹配结果中提取字符串形式的词，再执行判断：

# 从匹配结果提取所有相关词的字符串
text_for_patterns = []
for match in matches:
    # 假设匹配结果中的subj和verb是Token，转成字符串
    subj_str = str(match[1])
    verb_str = str(match[2])
    text_for_patterns.extend([subj_str, verb_str])

inc_sentences = []
for sentence in doc.sents:
    # 检查句子是否包含任意匹配词
    if any(word in sentence.text for word in text_for_patterns):
        inc_sentences.append(sentence.text)

注意：文本匹配存在误判风险（如相同词出现在不同句子中），优先使用Token关联句子的方案。

内容的提问来源于stack exchange，提问作者user17169994