import spacy
# 加载英文模型
nlp = spacy.load('en_core_web_sm')
# 输入英文句子
text = 'This is a test sentence for POS tagging X-T .'
# 创建一个Doc对象
doc = nlp(text)
# 获取每个单词的词性
for token in doc:
print(token.text, token.pos_, token.tag_, )pos_ 和 tag_ 两者都有其独特的作用和用途，具体应该根据任务和需求来选择使用。
-
pos_表示基本的词性，对于一些简单的自然语言处理任务来说，可能这些信息已经足够了，例如基于规则的文本分类、命名实体识别等。 -
tag_表示更详细的词性和其他语言特定的信息，比如时态、语态等等，这些信息对于更复杂的自然语言处理任务（如机器翻译、自然语言生成、情感分析等）可能是必要的，可以提供更全面的信息来帮助模型更好地理解文本。