在没有模型的情况下使用spacy的Matcher
Using spacy's Matcher without a model

您可以手动设置来自其他来源的spacy文档的单词和标签，然后使用Matcher。 这是一个使用英语单词/标签来演示的示例：

from spacy.lang.he import Hebrew
from spacy.tokens import Doc
from spacy.matcher import Matcher

words = ["my", "words"]
tags = ["PRP$", "NNS"]

nlp = Hebrew()
doc = Doc(nlp.vocab, words=words)
for i in range(len(doc)):
    doc[i].tag_ = tags[i]

# This is normally set by the tagger. The Matcher validates that
# the Doc has been tagged when you use the `"TAG"` attribute.
doc.is_tagged = True

matcher = Matcher(nlp.vocab)
pattern = [{"TAG": "PRP$"}]
matcher.add("poss", None, pattern)
print(matcher(doc))
# [(440, 0, 1)]

如果要使用spaCy训练新的统计模型，则应阅读有关训练spaCy的统计模型的文档。

据我所知，spaCy还没有针对希伯来语的训练模型。 为了让您使用没有模型的语言，

from spacy.lang.he import Hebrew
nlp = Hebrew()
#or
nlp = spacy.blank("he")

非常确定您可以从这里构建基于规则的匹配器。