demo.py

import spacy
from spacy.matcher import Matcher
#from spacy import cli, util
#from spacy.language import Language
#from spacy.lang.tr import Turkish, TurkishDefaults
#from tag_map import TAG_MAP

#nlp = spacy.load("tr-models/model-best")
nlp = spacy.load("models\model-best")
#nlp = spacy.load("tr_model0") #packaged model
nlp.add_pipe(nlp.create_pipe('sentencizer'), first=True)  #ValueError: [E043] Refusing to write to token.sent_start if its document is parsed, because this may cause inconsistent state.

#nlp = spacy.load('tr-models/model-best', disable=['tagger', 'parser', 'ner']) #to add tagger later
#nlp = Language().from_disk('tr-models/model-best')
#nlp = l.from_disk('tr-models/model-best')
#nlp = Turkish() #no pos

#nlp.Defaults.tag_map = TAG_MAP
#nlp.Defaults = tr_defaults

#ValueError: [E109] Model for component 'tagger' not initialized. Did you forget to load a model, or forget to call begin_training()?
# tagger = nlp.create_pipe("tagger")
# for tag, values in TAG_MAP.items():
#     tagger.add_label(tag, values)
# nlp.add_pipe(tagger)

text0 = 'Kendileriyle 19. görüştüğümden edindiğim izlenim, "gazeteciye verilen bilgilerle" alakasız bir haberin kere yayımlanmış olduğudur.'
text = "Karşısında, pantolonu dizlerine dek ıslak, önlük torbası ham eriklerle dolu İbrahim dikiliyordu."
text1= "Bu İstanbul'dan bir test cümlesidir. Hayır değildir."
text0 = "Kortlarda yeni bir yıldız doğuyor: Cori Gauff. Altı yaşında tenise başlayan ve elemeleri geçerek Wimbledon'da ana tabloya kalan en genç sporcu olan 15 yaşındaki ABD'li Cori Gauff, Londra'daki performansıyla silinmez bir iz bıraktı. Sonrada döndü ve eve gitti."
text0 = "Bu bir cümle. Bu da diğer cümle."
doc = nlp(text0)

for sent in doc.sents:
	print(sent.text)
for token in doc:
	print(f"{token.is_sent_start} - {token.text:{30}} - {token.lemma_:{20}} - {token.pos_:{5}} - {token.tag_:{5}} - {token.dep_:{5}} ")

#pipe test:
batch_array = [(text0, 0)]
#docs = list(nlp.pipe(texts))
for nlp_doc, doc_id in nlp.pipe(batch_array, as_tuples=True, batch_size=2):
	for token in nlp_doc:
		print(f"{token.is_sent_start} - {token.text:{30}} - {token.lemma_:{20}} - {token.pos_:{5}} - {token.tag_:{5}} - {token.dep_:{5}} ")

	matcherForW = Matcher(nlp.vocab)
	matcherForW.add("MoneyW", None, *[
		[{'POS': 'VERB'}, {'POS': 'NOUN'}]
	])
	matches = matcherForW(nlp_doc)	
	for (match_id, start, end) in matches:
		print(match_id, start, end, nlp_doc[start:end])