Spacy自然语言处理框架代码示例：分词与词性分析

以下是一个基于Spacy的自然语言处理框架的代码示例：\n\npython\nimport spacy\n\n# 加载Spacy的英文模型\nnlp = spacy.load('en_core_web_sm')\n\n# 文本处理函数\ndef process_text(text):\n # 对文本进行分词\n doc = nlp(text)\n \n # 打印每个分词的词性和依存关系\n for token in doc:\n print(token.text, token.pos_, token.dep_)\n\n# 调用文本处理函数\ntext = "Spacy is a popular natural language processing framework." \nprocess_text(text)\n\n\n输出结果：\n\n\nSpacy PROPN nsubj\nis AUX ROOT\na DET det\npopular ADJ amod\nnatural ADJ amod\nlanguage NOUN compound\nprocessing NOUN compound\nframework NOUN attr\n. PUNCT punct\n\n\n上述代码首先加载了Spacy的英文模型，然后定义了一个文本处理函数process_text。该函数接受一个文本参数，使用Spacy对文本进行分词，并打印每个分词的词性和依存关系。最后，调用文本处理函数并传入一个示例文本进行处理。\n\n这个示例展示了Spacy的基本用法，包括加载模型、分词和获取词性、依存关系等信息。根据具体需求，您可以进一步扩展代码以实现其他自然语言处理任务，例如命名实体识别、实体关系提取等。