SpaCy：匹配文档的一部分

Question

我尝试使用SpaCy的Matcher搜索span，但事实证明我做不到。

 Argument 'doc' has incorrect type (expected spacy.tokens.doc.Doc, got spacy.tokens.span.Span)

然后如何只搜索doc的一部分？有没有简单的方法可以将span转换为doc？

Answer 1

是的，Matcher应该在Doc个对象上调用，而不是在Span个对象上调用。但是，如果需要，可以使用Span.as_doc方法：

doc = nlp("Hello world. This is a text.")
span_doc = doc[0:3].as_doc()
print(span_doc.text)  # 'Hello world.'

请注意，这将创建内容的副本，因此生成的对象不再是父级Doc的视图，而是一个完全独立的对象。在大多数情况下，这无关紧要，但记住这一点仍然很重要。