spaCy中如何无需遍历直接获取doc内指定token的索引？

首先纠正个小错误：你代码里的模型名写错了，正确的英文小模型名称是en_core_web_sm，原写法en_web_core_sm运行会触发模型找不到的报错。

关于查找指定文本对应token的需求，spaCy没有提供直接按文本取索引的O(1)原生接口，但不需要每次都手写全量循环遍历，根据你的使用场景选下面两种方案即可：

方案1：使用内置Matcher（单次查找/需要灵活匹配规则时首选） #

这是spaCy官方推荐的规则匹配方案，执行效率比手写Python循环高，还支持忽略大小写、匹配词元（比如同时匹配simulate/simulated/simulating）、匹配词性等高级规则，不用自己写判断逻辑。
示例代码，查找文本中的"cool"：

import spacy
from spacy.matcher import Matcher

nlp = spacy.load('en_core_web_sm')
doc = nlp("I love spacy. Spacy is so cool.")

# 初始化匹配器，绑定当前nlp对象的词表
matcher = Matcher(nlp.vocab)
# 定义匹配规则：精确匹配文本为"cool"的token，要忽略大小写就写{"LOWER": "cool"}，要匹配所有时态的simulate就写{"LEMMA": "simulate"}
pattern = [{"TEXT": "cool"}]
matcher.add("target_match", [pattern])

matches = matcher(doc)
# 返回结果格式为(匹配规则ID, token起始索引, token结束索引)的元组
for match_id, start_idx, end_idx in matches:
    target_token = doc[start_idx]
    print(f"匹配到目标token：{target_token}，索引值为{start_idx}")

要查找"simulate"时只需要替换pattern里的匹配值即可。

方案2：预构建索引映射（同一长文本多次查找不同词时首选） #

如果是在1000词以上的长doc里多次查询不同词的索引，最高效的方式是只做一次全量遍历，构建「token文本: 索引列表」的映射字典，后续所有查询都是O(1)复杂度，不用重复遍历：

# 构建映射，因为同一个词可能多次出现，所以value存索引列表
token_index = {}
for idx, token in enumerate(doc):
    token_index.setdefault(token.text, []).append(idx)

# 直接查询即可，不存在则返回空列表
print(token_index.get("cool", []))  # 输出[6]，即"cool"对应的索引
print(token_index.get("simulate", []))

如果确定目标词在文本中只出现一次，直接取返回列表的第一个元素就能拿到对应索引。

内容的提问来源于stack exchange，提问作者Nivas Gopi Marella