spacy自然语言处理工具库--en_core_web_sm

spaCy 是自然语言处理（NLP）任务的必备库。spaCy 处理文本的过程是模块化的， 当调用 NLP 处理文本时，spaCy 首先将文本标记化以生成 Doc 对象，然后，依次在几个不同的组件中处理 Doc，这也称为 处理管道 (Pipeline)。语言模型默认的处理管道依次是：Token, Tagger、Parser、NER 等，每个管道组件返回已处理的 Doc，然后将其传递给下一个组件。

spacy 使用的语言模型是预先训练的统计模型，能够预测语言特征，对于英语，有：

• en_core_web_sm：英语多任务 CNN，在 OntoNotes 上训练，大小为 11 MB
• en_core_web_m：英语多任务 CNN，在 OntoNotes 上训练，并且使用 Common Crawl 上训练的 GLoVe 词嵌入，大小为 91 MB
• en_core_web_lg：英语多任务 CNN，在 OntoNotes 上训练，并且使用 Common Crawl 上训练的 GLoVe 词嵌入，大小为 789 MB
• en_core_web_trf：于 V3.0 新版本上发布的 Transformer-based pipelines 模型

# 下载spacy库，这里指定版本
pip install spacy==3.2.0

# 也可以不指定版本
pip install spacy


# 或者更新库
pip install spacy==x.x.x

OSError: [E050] Can’t find model ‘en_core_web_sm’. It doesn’t seem to be a shortcut link, a Python package or a valid path to a data directory.

这个报错说明没有相应的语言模型包。

运行如下命令安装 en_core_web_sm、zh_core_web_sm：

结尾加上 --user 以管理员的身份运行，不如也可能不超过。

# English
python -m spacy download en_core_web_sm --user

# Chinese
python -m spacy download zh_core_web_sm --user

 但有时候，并不能下载成功，甚至报错，可以在github上找到相应下载网址下载

解决办法——从GitHub上下载

pip3 install https://github.com/explosion/spacy-models/releases/download/en_core_web_sm-3.2.0/en_core_web_sm-3.2.0.tar.gz

直接打开conda终端输入此命令！

值得一提的是！！！

spacy的版本需要和en_core_web_sm、zh_core_web_sm的版本相对应，否则也会报错。