NLP：将中文/英文文档切分多个句子_spacy 句子分割

---

1. 前言

SpaCy 是一个开源的自然语言处理库，它支持多种语言的文本处理，包括中文。SpaCy 对中文文本的处理主要依赖于其内置的中文分词器（tokenizer）。以下是使用 SpaCy 切分中文句子的基本步骤：

2. 步骤

2.1安装 SpaCy

首先，确保你已经安装了 SpaCy。如果尚未安装，可以通过 pip 安装。

pip install spacy
1

2.2 下载模型

SpaCy 需要下载特定的语言模型来处理中文文本。可以通过以下命令下载中文/英文模型。

python -m spacy download zh_core_web_sm
python -m spacy download en_core_web_sm
1
2

这里 zh_core_web_sm 是 SpaCy 提供的中文小模型，en_core_web_sm 是 SpaCy 提供的英文小模型。

2.3 加载模型并处理文本

加载下载好的模型，并使用它来处理文本。SpaCy 的分词器会自动将文本切分成句子和单词。

import spacy

# 加载中文模型
zh_nlp = spacy.load('zh_core_web_sm')
en_nlp = spacy.load('en_core_web_sm')

def split_zh(text):
	# 处理文本
	doc = zh_nlp(text)
	# 遍历文档中的句子
	for sent in doc.sents:
	    print(sent.text)
	    
def split_en(text):
	# 处理文本
	doc = en_nlp(text)
	# 遍历文档中的句子
	for sent in doc.sents:
	    print(sent.text)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

在上面的代码中，zh_nlp 是 SpaCy 的中文模型实例，en_nlp 是 SpaCy 的英文模型实例。text 是你想要处理的中文文本。zh_nlp(text) 会返回一个 Doc 对象，该对象包含了文本的分词、词性标注、依存关系等信息。doc.sents 是一个生成器，它会遍历文档中的所有句子。

---

欢迎关注本人，我是喜欢搞事的程序猿； 一起进步，一起学习；

欢迎关注知乎/CSDN：SmallerFL；

也欢迎关注我的wx公众号（精选高质量文章）：一个比特定乾坤