Python 如何导出“来自spaCy的实体文档”以在doccano中使用

我想用doccano或其他开源文本注释工具来训练我的模型，并不断改进我的模型

因此，我的理解是，我可以将带注释的数据以如下所述的格式导入doccano：

因此，第一步我加载了一个模型并创建了一个文档：

text = "Test text that should be annotated for Michael Schumacher" 
nlp = spacy.load('en_core_news_sm')
doc = nlp(text)

我知道我可以从doccano导出带有文本和注释标签的jsonl格式，并使用它训练模型，但我想知道如何从python中的spaCy文档导出该数据，以便将其导入doccano

---

提前感谢。

Spacy不支持这种开箱即用的精确格式，但您应该能够相当轻松地编写自定义函数。看一看，它显示了一个类似于JSON的转换。

Spacy不支持这种开箱即用的精确格式，但您应该能够相当轻松地编写自定义函数。看一看，它显示了一个类似的JSON转换。

我最近有一个类似的任务，下面是我如何完成的：

进口空间 nlp=空间。加载“核心新闻” def text_至_DOCCONTEXT： ：text str：源文本 返回列表dict:deccano格式的json djson=list doc=nlptext 对于已发送的doc.sents： 标签=列表 对于e in sent.ents： labels.append[e.start\u char，e.end\u char，e.label\u] 追加{'text'：sent.text，labels:labels} 返回djson 根据你的例子

text=应为Michael Schumacher注释的测试文本。 djson=文本到文本 普林特森 。。。将打印：

[{'text': 'Test text that should be annotated for Michael Schumacher.', 'labels': [[39, 57, 'PERSON']]}]

另一方面，当您将结果保存到文件中时，用于保存json的标准json.dump方法将不起作用，因为它会将其写入一个用逗号分隔的条目列表。好吧，doccano希望每行有一个条目，后面没有逗号。在解决此问题时，以下代码段的工作方式与charm类似：

导入json openfilepath，'w'。write\n.join[json.dumpse for e in djson]

---

/干杯

我最近有一个类似的任务，下面是我是如何完成的：

进口空间 nlp=空间。加载“核心新闻” def text_至_DOCCONTEXT： ：text str：源文本 返回列表dict:deccano格式的json djson=list doc=nlptext 对于已发送的doc.sents： 标签=列表 对于e in sent.ents： labels.append[e.start\u char，e.end\u char，e.label\u] 追加{'text'：sent.text，labels:labels} 返回djson 根据你的例子

text=应为Michael Schumacher注释的测试文本。 djson=文本到文本 普林特森 。。。将打印：

[{'text': 'Test text that should be annotated for Michael Schumacher.', 'labels': [[39, 57, 'PERSON']]}]

另一方面，当您将结果保存到文件中时，用于保存json的标准json.dump方法将不起作用，因为它会将其写入一个用逗号分隔的条目列表。好吧，doccano希望每行有一个条目，后面没有逗号。在解决此问题时，以下代码段的工作方式与charm类似：

导入json openfilepath，'w'。write\n.join[json.dumpse for e in djson]

---

/Cheers

当你说doc时，你是指在脚本运行时加载的文档还是包含空间数据的模型？我的意思是，如代码中所示，doc是NLPTEXT的返回值。doc是一个空间对象，填充了从处理文本输入中收集的数据。你确定这就是你需要的吗？用不同的语言来表达。我想导出模型已经知道的关于我的文本或者更好的一堆文本。然后在doccano中导入这些，如图所示，然后更正这些注释，可能还会添加新的注释。然后从doccano导出并用这些数据训练我的spaCy模型。你看到更好的方法了吗？当你说doc时，你指的是你在脚本运行时加载的那个，或者是包含空间数据的模型？我的意思是，如代码中所示，doc是nlptext的返回值。doc是一个空间对象，填充了从处理文本输入中收集的数据。你确定这就是你需要的吗？用不同的语言来表达。我想导出模型已经知道的关于我的文本或者更好的一堆文本。然后在doccano中导入这些，如图所示，然后更正这些注释，可能还会添加新的注释。然后从doccano导出并用这些数据训练我的spaCy模型。你认为有更好的办法吗？