列出可用的spaCy语言对象

spaCy是一个流行的自然语言处理（NLP）库，它提供了一系列的语言对象，用于处理文本数据。以下是可用的spaCy语言对象的列表：

1. nlp：主要的语言处理管道对象，用于处理文本的各个方面，包括分词、词性标注、命名实体识别、句法分析等。它是spaCy中最重要的对象之一。
2. Doc：表示一个文档对象，它是由一系列的词汇（Token）组成的。可以通过nlp对象对文本进行处理后得到一个Doc对象。
3. Token：表示一个词汇对象，包含了词汇的文本、词性、句法依存关系等信息。可以通过Doc对象获取一个词汇的Token对象。
4. Span：表示一个文本片段，由多个连续的Token对象组成。可以通过Doc对象的切片操作获取一个Span对象。
5. Vocab：表示词汇表对象，包含了所有词汇的信息，如词频、词向量等。可以通过nlp对象获取一个词汇表对象。
6. Matcher：用于进行模式匹配的对象，可以根据自定义的规则在文本中查找匹配的词汇或短语。
7. PhraseMatcher：类似于Matcher，但可以进行短语级别的匹配。
8. DependencyParser：用于进行句法分析的对象，可以分析句子中词汇之间的依存关系。
9. EntityRecognizer：用于进行命名实体识别的对象，可以识别文本中的人名、地名、组织名等实体。
10. TextCategorizer：用于进行文本分类的对象，可以将文本分为不同的类别。
11. Similarity：用于计算文本之间的相似度的对象，可以比较两个文本的相似程度。
12. Tokenizer：用于分词的对象，可以将文本分割成单词或子词的序列。
13. SentenceRecognizer：用于句子识别的对象，可以将文本分割成句子的序列。
14. Lemmatizer：用于词形还原的对象，可以将词汇还原为其原始形式。
15. Tagger：用于词性标注的对象，可以为文本中的每个词汇添加词性标签。

这些spaCy语言对象可以根据具体的需求和任务进行组合和使用，以实现各种自然语言处理的功能。更多关于spaCy的信息和使用方法，可以参考腾讯云的相关产品介绍：spaCy中文文档。