如何基于spaCy实现复数复合词的单数转换并解决相关报错
核心问题说明
当前使用spaCy实现复数形式复合短语转单数形式的开发场景下,存在两个可复现的问题:
- 直接执行
print(str(nlp(word).lemma_))代码时抛出AttributeError: 'spacy.tokens.doc.Doc' object has no attribute 'lemma_'报错 - 遍历Doc对象逐词取
lemma_属性时,输出为逐词分行的离散结果,无法拼接得到连贯的整行转换内容
开发环境为Python 3.9.1,预期实现效果为:输入列表["cute dogs", "two or three words", "the christmas days"],输出整行转换结果:cute dog、two or three word、the christmas day。
报错根因
spaCy的文本处理逻辑中,
nlp()方法加载文本后返回的是Doc文档对象,该对象本身不挂载lemma_属性。只有文档拆分后的单个Token词元对象,才会携带lemma_属性存储对应单词的原型形式。
之前逐token遍历的逻辑方向没有问题,只是未对遍历得到的原型词做拼接,才导致输出逐词分行。
可直接运行的实现代码
import spacy nlp = spacy.load("en_core_web_sm") input_phrases = ["cute dogs", "two or three words", "the christmas days"] for phrase in input_phrases: # 处理文本得到Doc对象 processed_doc = nlp(phrase) # 遍历所有词元取原型,用空格拼接为整行字符串 result_line = " ".join(token.lemma_ for token in processed_doc) print(result_line)
代码运行输出
执行上述代码后,会输出符合预期的三行连贯结果:
cute dog two or three word the christmas day
内容的提问来源于stack exchange,提问作者user10062624
相关产品推荐
相关产品推荐

