在spaCy 2中使用Matcher创建自定义实体标签FRUIT时出错

嘿，我太懂这个坑了！spaCy 2.x和1.x在自定义实体标签的处理上差异很大，你遇到的[E084]错误核心原因是：你没把自定义的FRUIT标签注册到NER组件的预定义标签集合里。spaCy 2.x的NER组件只认识它自己标签列表里的标签，陌生标签会因为找不到对应ID而报错。

下面是完整的解决步骤和代码示例，完全适配spaCy 2.0.11版本：

1. 先给NER组件注册自定义标签 #

加载模型后，必须先把FRUIT添加到NER组件的标签库中，否则后续无法给span分配这个标签：

import spacy
from spacy.matcher import Matcher
from spacy.tokens import Span

# 加载预训练模型
nlp = spacy.load('en_core_web_sm')

# 给NER组件添加FRUIT标签（先检查是否已存在，避免重复添加报错）
ner = nlp.get_pipe('ner')
if 'FRUIT' not in ner.labels:
    ner.add_label('FRUIT')

2. 编写on_match回调函数，添加实体 #

这个函数会在Matcher匹配到目标文本时触发，负责把匹配到的span标记为FRUIT实体：

def add_fruit_entity(matcher, doc, match_idx, matches):
    # 获取当前匹配的信息：匹配ID、起始位置、结束位置
    match_id, start, end = matches[match_idx]
    # 创建对应的Span对象，指定标签为FRUIT
    fruit_span = Span(doc, start, end, label='FRUIT')
    # 将新实体添加到doc的ents列表中（注意要转成列表再修改，不能直接赋值）
    doc.ents = list(doc.ents) + [fruit_span]

3. 配置Matcher规则并执行匹配 #

定义水果相关的匹配模式，绑定刚才的回调函数，然后处理文本：

# 初始化Matcher
matcher = Matcher(nlp.vocab)

# 定义水果匹配规则（可以根据需求扩展更多水果词）
fruit_patterns = [
    [{"LOWER": "apples"}],
    [{"LOWER": "apple"}],
    [{"LOWER": "banana"}],
    [{"LOWER": "orange"}]
]

# 添加规则到Matcher，指定on_match回调
matcher.add("FRUIT_PATTERNS", None, *fruit_patterns, on_match=add_fruit_entity)

# 处理目标文本
doc = nlp('Tom wants to eat some apples at the United Nations')
# 执行匹配（会自动触发on_match函数添加实体）
matcher(doc)

# 打印结果验证
print("实体识别结果：")
for ent in doc.ents:
    print(f"{ent.text} → {ent.label_}")

最终输出 #

运行后你会得到期望的结果：

Tom → PERSON
apples → FRUIT
the United Nations → ORG

额外注意事项 #

• 如果你需要扩展更多水果词，只需要在fruit_patterns里添加对应的模式即可，支持更复杂的规则（比如匹配短语、词性等）
• spaCy 2.x的Matcheradd方法参数和1.x不同，第三个参数开始是要添加的模式，on_match是可选参数放在最后
• 不要忘记把doc.ents转成列表再添加新实体，因为doc.ents是不可变的元组类型

内容的提问来源于stack exchange，提问作者user3268362