Usando a Biblioteca logging

.gitignore

@@ -0,0 +1,2 @@
+# EddyGiusepe
+venv_logging/

1_using_logging.py

@@ -0,0 +1,35 @@
+#!/usr/bin/env python3
+
+"""
+Data Scientist.: Dr.Eddy Giusepe Chirinos Isidro
+"""
+import spacy
+import logging
+
+# Configuração do logging:
+#logging.basicConfig(filename='app.log', level=logging.DEBUG, format='%(asctime)s - %(levelname)s - %(message)s') # com DEBUG gerará uma pasta 🤗
+logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
+
+def extract_entities(text):
+    logging.info("Iniciando a extração de entidades")
+    
+    # Carregar o modelo do SpaCy:
+    nlp = spacy.load("pt_core_news_sm")
+    
+    # Processar o texto com o modelo pré-treinado;
+    doc = nlp(text)
+    
+    # Extrair e logar as entidades encontradas
+    entities = []
+    for ent in doc.ents:
+        entities.append((ent.text, ent.label_))
+        logging.debug(f"Entidade encontrada: {ent.text} - Tipo: {ent.label_}")
+    
+    logging.info("Extração de entidades concluída")
+    return entities
+
+
+if __name__ == "__main__":
+    text = "A Apple Inc. foi fundada por Steve Jobs e Steve Wozniak em 1976."
+    extracted_entities = extract_entities(text)
+    print("Entidades extraídas:", extracted_entities)

2_using_logging.py

@@ -0,0 +1,45 @@
+#!/usr/bin/env python3
+
+"""
+Data Scientist.: Dr.Eddy Giusepe Chirinos Isidro
+"""
+import spacy
+import logging
+
+class EntityExtractor:
+    """
+    Classe para extrair entidades de um texto usando o framework Spacy.
+    """
+    def __init__(self, language_model="pt_core_news_sm"):
+        """
+        Inicializa a classe com o modelo de linguagem desejado.
+        """
+        self.nlp = spacy.load(language_model)
+        logging.basicConfig(level=logging.INFO)
+
+    def extract_entities(self, text):
+        """
+        Extrai entidades do texto fornecido.
+        """
+        # Processa o texto com o modelo de linguagem
+        doc = self.nlp(text)
+
+        # Cria um dicionário para armazenar as entidades
+        entities = {}
+
+        # Itera sobre as entidades no texto
+        for ent in doc.ents:
+            # Adiciona a entidade ao dicionário
+            entities[ent.text] = ent.label_
+
+        # Loga as entidades extraídas
+        logging.info(f"O método da classe (extract_entities) extraiu as Entidades: {entities}")
+
+        return entities
+    
+    
+if __name__ == "__main__":
+    text= "A Apple Inc. foi fundada por Steve Jobs e Steve Wozniak em 1976."
+    entidade = EntityExtractor()
+    extraindo_Entity = entidade.extract_entities(text)
+    print("\033[1;33mEntidades extraídades -->\033[m", extraindo_Entity)

3_using_logging.py

@@ -0,0 +1,47 @@
+#!/usr/bin/env python3
+
+"""
+Data Scientist.: Dr.Eddy Giusepe Chirinos Isidro
+"""
+import spacy
+import logging
+
+# Configurando o logging
+logging.basicConfig(level=logging.INFO)
+
+class EntityRecognizer:
+    """
+    Classe para reconhecimento de entidades usando a biblioteca Spacy.
+    """
+    def __init__(self):
+        """
+        Inicializa a classe com o texto a ser analisado.
+        """
+        self.nlp = spacy.load('pt_core_news_sm')
+
+    def recognize(self, text):
+        """
+        Reconhece as entidades no texto.
+        """
+        doc = self.nlp(text)
+
+        entities ={}
+        # Verifica se existem entidades no texto
+        if doc.ents:
+            logging.info('Entidades encontradas:')
+            for ent in doc.ents:
+                entities[ent.text] = ent.label_
+               
+        else:
+            logging.info('Nenhuma entidade encontrada.')
+            print("O texto não contém Entidades 🤗!")
+
+        return entities
+
+
+if __name__ == "__main__":
+    # Exemplo de uso:
+    recognizer = EntityRecognizer()
+    text = 'A Karina é cientista de dados!'
+    entidades =  recognizer.recognize(text)
+    print(entidades)