本文介绍了如何使用 Stanza 库进行西班牙语文本的词形还原，并提取所需的 Lemma 信息，避免处理冗余的字典结构。通过解析 Stanza pipeline 的输出结构，展示了如何以简洁高效的方式获取 Lemma 列表，并提供示例代码进行演示。本文适用于需要使用 Stanza 进行词形还原，但仅关注 Lemma 结果的开发者。
Stanza 是一个强大的自然语言处理库，它提供了一系列的 NLP 工具，包括分词、词性标注、词形还原等。在使用 Stanza 进行词形还原时，默认情况下会返回一个包含多个属性的字典，例如 ID、文本、Lemma 等。但有时我们只需要 Lemma 信息，而不需要其他属性。本文将介绍如何使用 Stanza 仅提取 Lemma 信息。
提取 Lemma 的方法
Stanza 的 pipeline 输出是一个嵌套结构，其中每个句子是一个 token 列表，而每个 token 包含多个属性，如 ID、text、lemma 等。要提取 Lemma，我们需要遍历这个嵌套结构。以下是一个示例代码：
import stanza
# 下载西班牙语模型
stanza.download('es', package='ancora', processors='tokenize,mwt,pos,lemma', verbose=False)
# 创建 Stanza pipeline
stNLP = stanza.Pipeline(processors='tokenize,mwt,pos,lemma', lang='es', use_gpu=True)
# 处理文本
doc = stNLP('me hubiera gustado mas “sincronia” con la primaria')
# 提取 Lemma
lemmas = [word.lemma for t in doc.iter_tokens() for word in t.words]
# 打印 Lemma 列表
print(lemmas)代码解释：
- stanza.download('es', package='ancora', processors='tokenize,mwt,pos,lemma', verbose=False): 下载西班牙语模型，指定了需要使用的 processors，包括 tokenize, mwt, pos, lemma。verbose=False 表示不显示下载过程中的详细信息。
- stNLP = stanza.Pipeline(processors='tokenize,mwt,pos,lemma', lang='es', use_gpu=True): 创建一个 Stanza pipeline，指定 processors、语言和是否使用 GPU。
- doc = stNLP('me hubiera gustado mas “sincronia” con la primaria'): 使用 pipeline 处理输入的西班牙语文本，并将结果存储在 doc 变量中。
- lemmas = [word.lemma for t in doc.iter_tokens() for word in t.words]: 这是一个列表推导式，用于提取 Lemma。doc.iter_tokens() 迭代文档中的每个 token，t.words 迭代每个 token 中的单词。对于每个单词，提取其 lemma 属性，并将其添加到 lemmas 列表中。
注意事项：
- 确保已安装 Stanza 库。可以使用 pip install stanza 命令进行安装。
- 上述代码基于 Stanza 1.7.0 版本编写，不同版本可能会有差异。
- use_gpu=True 表示使用 GPU 进行加速，如果 GPU 不可用，可以将其设置为 False。
- 可以根据需要调整 processors 列表，例如只使用 tokenize 和 lemma。
总结：
通过上述方法，我们可以轻松地使用 Stanza 提取文本的 Lemma 信息，避免处理不必要的字典结构，提高代码效率。 这种方法适用于需要快速获取 Lemma 信息，而不需要其他属性的场景。 希望本文能够帮助你更好地使用 Stanza 进行自然语言处理。
