当前位置：首页 > 文章列表 > 文章 > python教程 > PythonSpacy分词入门教程

PythonSpacy分词入门教程

2025-11-20 20:56:59 0浏览收藏

想提升你的文本分析能力吗？本文为你提供一份详尽的Python Spacy分词教程，助你快速掌握这一强大的自然语言处理工具。首先，我们将引导你完成Spacy库的安装，以及中文（zh_core_web_sm）和英文（en_core_web_sm）语言模型的下载。接着，你将学会如何加载模型，并利用`nlp(text)`轻松实现中文或英文文本的高质量分词。不仅如此，Spacy还能提取词性、停用词等关键信息，为你的文本清洗和分析提供更全面的支持。无论你是自然语言处理新手还是经验丰富的开发者，都能从本教程中受益，提升你的文本处理效率。快来一起探索Spacy的强大功能吧！

使用Spacy分词需先安装库和语言模型，再加载模型处理文本。以中文为例：pip install spacy，下载zh_core_web_sm，用nlp(text)获取分词结果，支持词性、停用词等信息提取，英文处理同理，只需替换为en_core_web_sm模型即可完成高质量分词。

Python如何使用Spacy进行分词

使用Spacy进行分词非常直观。Spacy是一个功能强大的自然语言处理库，支持多种语言的分词、词性标注、命名实体识别等任务。要使用Spacy进行中文或英文分词，首先需要安装Spacy和对应的语言模型。

安装Spacy和语言模型

在命令行中运行以下命令安装Spacy：

pip install spacy

然后下载所需的语言模型。以中文为例：

python -m spacy download zh_core_web_sm

如果是英文：

python -m spacy download en_core_web_sm

加载模型并进行分词

导入Spacy并加载语言模型后，将文本传入模型即可得到分词结果。

import spacy

# 加载中文模型
nlp = spacy.load("zh_core_web_sm")

text = "我爱自然语言处理技术"
doc = nlp(text)

# 输出分词结果
for token in doc:
print(token.text)

输出为：

我
爱
自然语言
处理
技术

处理英文文本

英文处理方式类似，Spacy会自动识别单词边界和标点。

import spacy

# 加载英文模型
nlp = spacy.load("en_core_web_sm")

text = "I love NLP and machine learning."
doc = nlp(text)

for token in doc:
print(token.text)