使用 spaCy 進行文字處理
每個 NLP 應用都由多個文字處理步驟組成。你已經學過其中一些步驟，例如分詞（tokenization）、詞形還原（lemmatization）、句子切分（sentence segmentation）以及命名實體辨識（named entity recognition）。
在這個練習中，你會繼續練習 spaCy 的文字處理步驟，例如將文字切成句子，並抽取命名實體。這裡會使用 Amazon Fine Food Reviews 資料集中的前 5 則評論。你可以透過 texts 物件取得這些評論。
en_core_web_sm 模型已為你載入，可由 nlp 存取。documents 也已預先建立，包含 texts 中每個項目的 Doc 容器清單。
本練習屬於課程
使用 spaCy 的自然語言處理
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create a list to store sentences of each Doc container in documents
sentences = [[____ for sent in doc.____] for doc in documents]
# Print number of sentences in each Doc container in documents
num_sentences = [len(____) for s in sentences]
print("Number of sentences in documents:\n", ____)