spaCy库的实体链接踩坑，以及spaCy-entity-linker的knowledge_base下载问题

问题1. spacy Can’t find factory for ‘entityLinker’

1）问题

写了一个实体链接类，代码如下：

nlp = spacy.load("en_core_web_md")

class entieyLink:
    def __init__(self, doc, nlp):
        self.nlp = nlp
        self.doc = self.nlp(doc)
        
        # Check if "entityLinker" is already in the pipeline
        entity_linker_exists = False
        for name, component in nlp.pipeline:
            if name == "entityLinker":
                entity_linker_exists = True
                break

        # Add "entityLinker" only if it doesn't exist in the pipeline
        if not entity_linker_exists:
            self.pipe = nlp.add_pipe("entityLinker", last=True)

结果总是提示 ‘entityLinker’ 不能找到，明明是有这个模块的：

ValueError: [E002] Can't find factory for 'entityLinker' for language English (en). This usually happens when spaCy calls `nlp.create_pipe` with a custom component name that's not registered on the current language class. If you're using a Transformer, make sure to install 'spacy-transformers'. If you're using a custom component, make sure you've added the decorator `@Language.component` (for function components) or `@Language.factory` (for class components).

Available factories: attribute_ruler, tok2vec, merge_noun_chunks, merge_entities, merge_subtokens, token_splitter, parser, beam_parser, entity_linker, ner, beam_ner, entity_ruler, lemmatizer, tagger, morphologizer, senter, sentencizer, textcat, textcat_multilabel, en.lemmatizer

2）解决方法

后来发现，在从自己的电脑移动到服务器的时候，下载requirements.txt的时候，包spacy-entity-linker并没有被写入到requirements.txt依赖中。
因此，安装spacy-entity-linker包报错解决，注意要和spacy版本对应。

pip install spacy-entity-linker==1.0.3  （我的spacy=3.0.6）

问题2. spacy Can’t download knowledge base

1）问题

因为自己一开始敲代码的时候，是使用的自己的电脑，网络问题非常顺畅，在spacy第一次实体链接的时候就自动下载了knowledge base。 结果后来挪到服务器的时候，网络下载很慢，或者无法访问外网，就会出现一些问题 Downloading knowledge base: 0.00B。
例如：我连接的这个服务器在内网，不能够连接外网下载这个knowledge base😟。

2）产生问题的原因

这里提供一点spacy-entity-linker库的背景知识：

代码也确实是这么搞的：

这也是为什么服务器一直运行代码，总是不能够下载的knowledge base原因，咱网不行嘛。

3）解决办法

1. 离线下载knowledge base

 file_url = “https://huggingface.co/MartinoMensio/spaCy-entity-linker/resolve/main/knowledge_base.tar.gz”

2. 打印保存的路径
找到服务器存spacy-entity-linker文件的位置，找到该文件夹下的DatabaseConnection.py，打印一下这个库的路径，看看这个离线压缩包应该存在服务器的什么位置。

3. 解压文件
很明显，第一步我们下载的文件是一个压缩包，但是实际上是一个.bd的文件。因此，我们需要手动解压一下子。（参考了一部分代码）

import gzip  
import os  
import tarfile 


def un_gz(file_name):
    """ungz zip file"""
    f_name = file_name.replace(".gz", "")
    
    with gzip.open(file_name, 'rb') as g_file:
        with open(f_name, "wb+") as output_file:
            output_file.write(g_file.read())
 
def un_tar(file_name):  
    tar = tarfile.open(file_name)  
    names = tar.getnames()  
    if os.path.isdir(file_name + "_files"):  
        pass  
    else:  
        os.mkdir(file_name + "_files")   
    for name in names:  
        tar.extract(name, file_name + "_files/")  
    tar.close()

path = '/your_path/lib/python3.7/site-packages/data_spacy_entity_linker/knowledge_base.tar.gz'
un_gz(path2)
path2 = '/your_path/lib/python3.7/site-packages/data_spacy_entity_linker/knowledge_base.tar'
un_tar(path2)

4. 再次运行
把文件从解压的文件夹下拖出来，最终获得了wikidb_filtered.db文件。再次运行这个地方就不会报错啦。

问题3. sqlite3.ProgrammingError

1）问题

出现了数据连接sqlite3.ProgrammingError错误， 还是实体链接库引起的。

sqlite3.ProgrammingError: SQLite objects created in a thread can only be used in that same thread. The object was created in thread id 140585335772928 and this is thread id 140588189775616.

2）解决方案

找到服务器存spacy-entity-linker文件的位置，找到该文件夹下的DatabaseConnection.py；
找到这个文件下的函数init_database_connection(self, path=DB_DEFAULT_PATH)，追加 , check_same_thread=False。

self.conn = sqlite3.connect(path, check_same_thread=False)