如果你使用的是标准的英语模型，en_core_web_sm或en_core_web_md或en_core_web_lg，最常见的缩写应该已经处理过了：

>>> import spacy
>>> nlp = spacy.load('en_core_web_sm')
>>> doc = nlp('It starts at 9:00 a.m. Eastern Standard Time.')
>>> list(doc.sents)
[It starts at 9:00 a.m. Eastern Standard Time.]

但是，如果您有一个缩写不能被您使用的模型识别，您可以使用add_special_case来正确处理它。例如，在下面的情况下，Pres.不能被识别为缩写，因此返回两个句子而不是一个句子：

>>> import spacy
>>> nlp = spacy.load('en_core_web_sm')
>>> doc = nlp('I want to talk to Pres. Michael')
>>> list(doc.sents)
[I want to talk to Pres., Michael]

你必须加载你自己的特殊情况库，以通知模型这是一个缩写，而不是一个句子的结尾。令牌的逐字文本（ORTH）可以是任何你想要的，也可以包括点。

>>> from spacy.attrs import ORTH, LEMMA
>>> nlp.tokenizer.add_special_case('Pres.', [{ORTH: 'Pres', LEMMA: 'president'}])
>>> doc = nlp('I want to talk to Pres. Michael')
>>> list(doc.sents)
[I want to talk to Pres Michael]

在@augustomen的anwser -- update for spaCy v3. 5之后
从spaCy v3.0开始，从快捷方式加载模型已过时

>>> import spacy
>>> nlp = spacy.load("en_core_web_sm")

>>> doc = nlp('I want to talk to Pres. Michael')
>>> list(doc.sents)
[I want to talk to Pres., Michael]

tokenizer无法覆盖token的引理，请使用norm代替

>>> from spacy.attrs import ORTH, NORM
>>> nlp.tokenizer.add_special_case('Pres.', [{ORTH: 'Pres.', NORM: 'president'}])
>>> doc = nlp('I want to talk to Pres. Michael')
>>> list(doc.sents)
[I want to talk to Pres. Michael]