用途：从文本中抽取命名实体（人员、组织、地点、日期等），用于文档分析、信息抽取或数据富集。
主要能力：支持 spaCy 模型（准确优先）与 regex 模式（速度优先）；可识别 PERSON、ORG、GPE、LOC、DATE、TIME、MONEY、PERCENT、PRODUCT、EVENT、WORK_OF_ART、LAW、LANGUAGE、NORP 等类型，regex 模式额外覆盖 EMAIL、PHONE、URL、DATE、MONEY、PERCENTAGE。具备批量处理、按类型过滤、去重、分组、词频统计、关系查找、实体高亮，以及 JSON/CSV 导出。
使用方式：可调用 EntityExtractor 类，extract(text)、extract_file(filepath)、extract_batch(folder) 等方法；CLI 方式如 python entity_extractor.py --text "..."、--input document.txt、--input ./documents/ --output entities.csv、--types PERSON,ORG、--mode regex、--json。依赖 spacy>=3.7.0、pandas>=2.0.0 及 en_core_web_sm 模型，需运行 python -m spacy download en_core_web_sm 安装模型。
限制：本次资料未提供性能基准、支持语言范围、许可证与价格信息；regex 模式准确率较低；模型默认仅英文 en_core_web_sm。其余平台或扩展能力暂未提供。