在不使用模型的情况下，可以使用spaCy的Matcher来进行基于规则的匹配。以下是一个使用spaCy的Matcher进行匹配的示例代码：

import spacy
from spacy.matcher import Matcher

# 加载spaCy的预训练模型
nlp = spacy.load("en_core_web_sm")

# 创建一个匹配器对象
matcher = Matcher(nlp.vocab)

# 定义要匹配的模式
pattern = [{"LOWER": "hello"}, {"IS_PUNCT": True}, {"LOWER": "world"}]

# 将模式添加到匹配器中
matcher.add("HelloWorld", [pattern])

# 定义要处理的文本
text = "Hello, world! How are you today?"

# 将文本传递给spaCy的nlp处理
doc = nlp(text)

# 在文档中运行匹配器
matches = matcher(doc)

# 打印匹配结果
for match_id, start, end in matches:
    matched_span = doc[start:end]
    print(matched_span.text)

在上述示例中，我们首先加载了spaCy的预训练模型。然后我们创建了一个Matcher对象，并定义了要匹配的模式。在此示例中，我们定义了一个模式，该模式包含三个匹配项：一个词“hello”，一个标点符号和一个词“world”。然后我们将该模式添加到匹配器中。

然后，我们定义了要处理的文本，并将其传递给spaCy的nlp处理。然后，我们在文档上运行匹配器，将匹配结果存储在matches变量中。最后，我们遍历匹配结果，并打印匹配到的文本。

请注意，Matcher匹配的是词语的属性（如词性、大小写等），而不是词向量。因此，Matcher可以用于基于规则的匹配，而不依赖于预训练模型。