本文記錄如何在使用uv管理python項目dependencies時，把spaCy的模型也納入其中.
spaCy
一、spaCy簡介
spaCy是一個開源的自然語言處理（NLP）庫，它主要用于處理文本數據。它支持多種語言，包括英語、中文等。它是由Explosion AI公司開發的，以簡單易用和高性能著稱。
二、主要功能
- 分詞（Tokenization）
- spaCy可以將文本分割成單詞、標點符號等基本單元，這是文本處理的基礎步驟。例如，對于句子“I love natural language processing.”，它會將其分割為[“I”, “love”, “natural”, “language”, “processing”, “.”]等token。
- 詞性標注（Part - of - Speech Tagging）
- 它能夠識別文本中每個單詞的詞性。比如在句子“He quickly ran to the store.”中，“He”是代詞（PRON），“quickly”是副詞（ADV），“ran”是動詞（VERB），“to”是介詞（ADP），“the”是冠詞（DET），“store”是名詞（NOUN）。
- 依存句法分析（Dependency Parsing）
- spaCy可以分析句子的結構，確定單詞之間的依存關系。例如在句子“The cat sat on the mat.”中，它能確定“cat”是主語（nsubj），“sat”是謂語（ROOT），“on”是介詞（prep），“mat”是賓語（pobj）等依存關系，這對于理解句子的語義結構很有幫助。
- 命名實體識別（Named Entity Recognition，NER）
- 它能夠識別文本中的命名實體，如人名、地名、組織名、日期等。比如在文本“Steve Jobs was the CEO of Apple Inc. in 2000.”中，它能夠識別出“Steve Jobs”是人名，“Apple Inc.”是組織名，“2000”是日期。
- 文本分類（Text Classification）
- spaCy支持對文本進行分類任務，例如情感分析（判斷文本是正面情感、負面情感還是中性情感）或者主題分類（判斷文本屬于哪個主題類別，如體育、科技等）。
- 實體鏈接（Entity Linking）
- 它可以將文本中識別的實體與知識庫中的實體進行鏈接。例如，將文本中提到的“埃菲爾鐵塔”鏈接到維基百科中對應的“埃菲爾鐵塔”條目，這樣可以更好地理解實體的詳細信息。
問題描述
sapCy在使用的時候，需要下載目標語言的模型，如果以英文為例就是en_core_web_sm, 中文可以是zh_core_web_lg ,可以用如下腳本下載
# download en_core_web_sm
python -m spacy download en_core_web_sm# download zh_core_web_lg
python -m spacy download zh_core_web_lg
問題出現在用uv進行依賴管理的場景下，因為這些下載的模型沒有被加入到依賴列表中，每次重新進行uv sync 操作后，就會丟失這些依賴. 雖然這些模型實際上也是一個依賴包，但是不在官方的registry中，不能直接y用uv add這種方式進行安裝.
解決方案
命令行參數
因為是uv sync時造成了模型刪除，那么就是uv嚴格對照依賴列表中的各個依賴項進行處理，把不在其中的都移除了. 根據這個思路，可以用明亮行參數來改變這個行為
uv sync --inexact
這樣操作即可. 但這個方案有缺點，因為不會自動下載model，在新的環境中執行spaCy相關任務會報錯.
手動聲明依賴
這個方案是筆者最終采納的方案，把模型的下載路徑手動寫到依賴中，這樣不僅可以不被刪除，而且在新環境中還會自動下載
dependencies = ["en-core-web-sm @ https://github.com/explosion/spacy-models/releases/download/en_core_web_sm-3.8.0/en_core_web_sm-3.8.0-py3-none-any.whl","zh-core-web-lg @ https://github.com/explosion/spacy-models/releases/download/zh_core_web_lg-3.8.0/zh_core_web_lg-3.8.0-py3-none-any.whl"
]
注意修改為自己所需的版本即可.
