我想使用不同的Spacy工具对文档进行一些分析，尤其是对Dependency Matcher感兴趣。

恰好，对于这些文档，我已经知道了一些难以解析的实体的字符偏移量。一个稍微有些编造的例子：

from spacy.lang.en import Englishnlp = English()text = "Apple is opening its first big office in San Francisco."already_known_entities = [    {"offsets":(0,5), "id": "apple"},     {"offsets":(41,54), "id": "san-francisco"}]# 在这里做一些操作，让`nlp`知道这些实体 doc = nlp(text)

我考虑过这样做：

from spacy.lang.en import Englishnlp = English()text = "Apple is opening its first big office in San Francisco."already_known_entities = [{"offsets":(0,5), "id": "apple"}, {"offsets":(41,54), "id": "san-francisco"}]ruler = nlp.add_pipe("entity_ruler")patterns = []for e in already_known_entities:    patterns.append({        "label": "GPE",        "pattern": text[e["offsets"][0]:e["offsets"][1]]    })ruler.add_patterns(patterns)doc = nlp(text)

这个方法在技术上是可行的，而且在世界上并不是最糟糕的解决方案，但我仍然想知道是否可以直接将偏移量添加到nlp对象中。据我所知，Matcher文档并没有显示这样的内容。我也理解这可能与典型的Matcher行为有所不同，在典型的Matcher行为中，一个模式可以应用于语料库中的所有文档——而在这里，我希望仅为特定文档标记特定偏移量的实体。一个文档的偏移量不适用于其他文档。

回答：

你正在寻找Doc.char_span。

doc = "Blah blah blah"span = doc.char_span(0, 4, label="BLAH")doc.ents = [span]

请注意，doc.ents是一个元组，所以你不能直接向它添加内容，但你可以将其转换为列表并设置ents，例如。