Skip to main content
spaCy 是一个用于高级自然语言处理的开源软件库，使用 Python 和 Cython 编写。

​
安装与配置

pip install -qU  spacy
导入必要的类 
from langchain_community.embeddings.spacy_embeddings import SpacyEmbeddings

​
示例

初始化 SpacyEmbeddings，这将把 Spacy 模型加载到内存中。 
embedder = SpacyEmbeddings(model_name="en_core_web_sm")
定义一些示例文本。这些可以是您想要分析的任意文档，例如新闻文章、社交媒体帖子或产品评论。 
texts = [
    "The quick brown fox jumps over the lazy dog.",
    "Pack my box with five dozen liquor jugs.",
    "How vexingly quick daft zebras jump!",
    "Bright vixens jump; dozy fowl quack.",
]
为这些文本生成并打印嵌入向量。SpacyEmbeddings 类为每个文档生成一个嵌入向量，即文档内容的数值表示。这些嵌入向量可用于各种自然语言处理任务，例如文档相似度比较或文本分类。 
embeddings = embedder.embed_documents(texts)
for i, embedding in enumerate(embeddings):
    print(f"Embedding for document {i + 1}: {embedding}")
为单段文本生成并打印嵌入向量。您也可以为单段文本（如搜索查询）生成嵌入向量，这对信息检索等任务非常有用——您可以据此找到与给定查询相似的文档。 
query = "Quick foxes and lazy dogs."
query_embedding = embedder.embed_query(query)
print(f"Embedding for query: {query_embedding}")
Edit this page on GitHub or file an issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.