安装spacy+zh_core_web_sm避坑指南

一、spacy简介

spacy是Python自然语言处理（NLP）软件包，可以对自然语言文本做词性分析、命名实体识别、依赖关系刻画，以及词嵌入向量的计算和可视化等。

二、安装spacy

使用“pip install spacy"报错， 或者安装完spacy，无法正常调用，可以通过以下链接将whl文件下载到本地，然后 cd 到文件路径下，通过 pip 安装。

下载链接：

Archived: Python Extension Packages for Windows - Christoph Gohlke (uci.edu)

选择对应的版本：

三、安装zh_core_web_sm

通过下方链接下载 whl 文件到本地：

zh_core_web_sm · Releases · explosion/spacy-models (github.com)

选择对应的版本：

下载好对应版本的zh_core_web_sm.whl文件，cd 文件保存目录，然后通过pip安装。

安装成功提示：

四、安装en_core_web_sm

通过下方链接下载 whl 文件到本地：

en_core_web_sm · Releases · explosion/spacy-models (github.com)

选择对应的版本：

下载好对应版本的zh_core_web_sm.whl文件，cd 文件保存目录，然后通过pip安装。

五、效果测试

5.1 英文测试

# 导入英文类
from spacy.lang.en import English 
# 实例化一个nlp类对象，包含管道pipeline
nlp = English()
# print(nlp)
doc = nlp("December is excited!")
# 迭代tokens
for token in doc:
    print(token.text)
    
token = doc[1]
print(token.text)

输出结果：

December
is
excited
!
is

5.2 中文测试

# 处理文本
nlp = spacy.load('zh_core_web_sm')
doc = nlp("微软准备用十亿美金买下这家英国的创业公司。")

# 遍历识别出的实体
for ent in doc.ents:
    # 打印实体文本及其标注
    print(ent.text, ent.label_)

输出结果：

微软 ORG
十亿美金 MONEY
英国 NORP