偶尔，是否可以在匹配项中获取相应的规则ID

Question

在Spacy 2.x中，我使用匹配器在文本语料库中查找特定的标记。每个规则都有一个ID（'class-1_0'例如）。在解析期间，我使用回调函数on_match来处理每个匹配项。是否有解决方案来检索用于直接在回调中查找匹配项的规则。

这是我的示例代码。

txt = ("Aujourd'hui, je vais me faire une tartine au beurre "
       "de cacahuète, c'est un pilier de ma nourriture "
       "quotidienne.")

nlp = spacy.load('fr')

def on_match(matcher, doc, id, matches):
    span = doc[matches[id][1]:matches[id][2]]
    print(span)
    # find a way to get the corresponding rule without fuzz

matcher = Matcher(nlp.vocab)
matcher.add('class-1_0', on_match, [{'LEMMA': 'pilier'}])
matcher.add('class-1_1', on_match, [{'LEMMA': 'beurre'}, {'LEMMA': 'de'}, {'LEMMA': 'cacahuète'}])

doc = nlp(txt)
matches = matcher(doc)

在这种情况下，matches返回：

[(12071893341338447867, 9, 12), (4566231695725171773, 16, 17)]

12071893341338447867是基于的唯一ID class-1_0。即使在中进行了自省，我也找不到原始规则名称matcher._patterns。

如果有人可以帮助我，那将是很棒的。非常感谢你。

Answer 1

是的–您只需在StringStore词汇表中查找ID （可通过nlp.vocab.strings或即可找到）doc.vocab.strings。Doc在这里通过进行操作非常方便，因为您可以在on_match回调中进行操作：

def on_match(matcher, doc, match_id, matches):
   string_id = doc.vocab.strings[match_id]

为了提高效率，spaCy将所有字符串编码为整数，并在StringStore查找表中保留对映射的引用。在spaCy v2.0中，整数是哈希值，因此它们在模型和词汇表之间始终匹配。有关此内容的更多详细信息，请参阅docs中的本节。

当然，如果您的类和ID仍然有点晦涩难懂，则另一个答案表明整数ID也可以正常工作。请记住，您选择的那些整数ID也可能会映射到中的某个随机字符串StringStore（例如单词，词性标签或其他内容）。如果您不查找它们并将它们解析为某个位置的字符串，通常这并不重要-但是，如果这样做，输出可能会令人困惑。例如，如果您的匹配器规则ID为99且正在呼叫doc.vocab.strings[99]，则它将返回'VERB'。

Answer 2

在写下我的问题时，我经常找到解决方案。

它非常简单，而不是使用 unicode 规则 id，例如class-1_0，只需使用整数。该标识符将在整个过程中保留。

matcher.add(1, on_match, [{'LEMMA': 'pilier'}])

与 匹配

[(1, 16, 17),]