自然语言处理工具包HanLP的Python接口是怎么样的
今天就跟大家聊聊有关自然语言处理工具包HanLP的Python接口是怎么样的,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根据这篇文章可以有所收获。
创新互联主要从事网站设计制作、做网站、网页设计、企业做网站、公司建网站等业务。立足成都服务双清,十载网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:028-86922220
pyhanlp: Python interfaces for HanLP
HanLP的Python接口,支持自动下载与升级HanLP,兼容py2、py3。
安装
pip install pyhanlp
使用命令hanlp
来验证安装,如因网络等原因自动安装HanLP失败,可参考
《手动配置》
。
命令行
中文分词
使用命令hanlp segment
进入交互分词模式,输入一个句子并回车,HanLP会输出分词结果:
$ hanlp segment 商品和服务 商品/n 和/cc 服务/vn 当下雨天地面积水分外严重 当/p 下雨天/n 地面/n 积水/n 分外/d 严重/a 龚学平等领导说,邓颖超生前杜绝超生 龚学平/nr 等/udeng 领导/n 说/v ,/w 邓颖超/nr 生前/t 杜绝/v 超生/vi
还可以重定向输入输出到文件等:
$ hanlp segment <<< '欢迎新老师生前来就餐' 欢迎/v 新/a 老/a 师生/n 前来/vi 就餐/vi
依存句法分析
命令为hanlp parse
,同样支持交互模式和重定向:
$ hanlp parse <<< '徐先生还具体帮助他确定了把画雄鹰、松鼠和麻雀作为主攻目标。' 1 徐先生 徐先生 nh nr _ 4 主谓关系 _ _2 还 还 d d _ 4 状中结构 _ _3 具体 具体 a a _ 4 状中结构 _ _4 帮助 帮助 v v _ 0 核心关系 _ _5 他 他 r rr _ 4 兼语 _ _6 确定 确定 v v _ 4 动宾关系 _ _7 了 了 u ule _ 6 右附加关系 _ _8 把 把 p pba _ 15 状中结构 _ _9 画 画 v v _ 8 介宾关系 _ _10 雄鹰 雄鹰 n n _ 9 动宾关系 _ _11 、 、 wp w _ 12 标点符号 _ _12 松鼠 松鼠 n n _ 10 并列关系 _ _13 和 和 c cc _ 14 左附加关系 _ _14 麻雀 麻雀 n n _ 10 并列关系 _ _15 作为 作为 p p _ 6 动宾关系 _ _16 主攻 主攻 v vn _ 17 定中关系 _ _17 目标 目标 n n _ 15 动宾关系 _ _18 。 。 wp w _ 4 标点符号 _ _
服务器
通过hanlp serve
来启动内置的http服务器,默认本地访问地址为:
http://localhost:8765
;也可以访问官网演示页面:
http://hanlp.hankcs.com/
。
升级
通过hanlp update
命令来将HanLP升级到最新版。该命令会获取GitHub最新版本并自动下载安装。
欢迎通过hanlp --help
查看最新帮助手册。
API
通过工具类HanLP
调用常用接口:
from pyhanlp import *print(HanLP.segment('你好,欢迎在Python中调用HanLP的API')) testCases = [ "商品和服务", "结婚的和尚未结婚的确实在干扰分词啊", "买水果然后来世博园最后去世博会", "中国的首都是北京", "欢迎新老师生前来就餐", "工信处女干事每月经过下属科室都要亲口交代24口交换机等技术性器件的安装工作", "随着页游兴起到现在的页游繁盛,依赖于存档进行逻辑判断的设计减少了,但这块也不能完全忽略掉。"]for sentence in testCases: print(HanLP.segment(sentence))# 关键词提取document = "水利部水资源司司长陈明忠9月29日在国务yuan新闻办举行的新闻发布会上透露," \ "根据刚刚完成了水资源管理制度的考核,有部分省接近了红线的指标," \ "有部分省超过红线的指标。对一些超过红线的地方,陈明忠表示,对一些取用水项目进行区域的限批," \ "严格地进行水资源论证和取水许可的批准。"print(HanLP.extractKeyword(document, 2))# 自动摘要print(HanLP.extractSummary(document, 3))# 依存句法分析print(HanLP.parseDependency("徐先生还具体帮助他确定了把画雄鹰、松鼠和麻雀作为主攻目标。"))
更多功能
更多功能,包括但不限于:
自定义词典
极速词典分词
索引分词
CRF分词
感知机词法分析
臺灣正體、香港繁體
关键词提取、自动摘要
文本分类、情感分析
请阅读
HanLP主项目文档
以了解更多。调用更底层的API需要参考Java语法用JClass引入更深的类路径。以感知机词法分析器为例,这个类位于包名com.hankcs.hanlp.model.perceptron.PerceptronLexicalAnalyzer
下,所以先用JClass
得到类,然后就可以调用了:
PerceptronLexicalAnalyzer = JClass('com.hankcs.hanlp.model.perceptron.PerceptronLexicalAnalyzer') analyzer = PerceptronLexicalAnalyzer()print(analyzer.analyze("上海华安工业(集团)公司董事长谭旭光和秘书胡花蕊来到美国纽约现代艺术博物馆参观"))
输出:
[上海/ns 华安/nz 工业/n (/w 集团/n )/w 公司/n]/nt 董事长/n 谭旭光/nr 和/c 秘书/n 胡花蕊/nr 来到/v [美国/ns 纽约/ns 现代/t 艺术/n 博物馆/n]/ns 参观/v
如果你经常使用某个类,欢迎将其写入pyhanlp/__init__.py
中并提交pull request,谢谢!
与其他项目共享data
HanLP具备高度可自定义的特点,所有模型和词典都可以自由替换。如果你希望与别的项目共享同一套data,只需将该项目的配置文件hanlp.properties
拷贝到pyhanlp的安装目录下即可。本机安装目录可以通过hanlp --version
获取。
同时,还可以通过--config
临时加载另一个配置文件:
hanlp segment --config path/to/another/hanlp.properties
配置
自动配置
默认在首次调用HanLP时自动下载jar包和数据包,并自动完成配置。
手动配置
如因网络等原因自动配置失败,可以通过设置环境变量来自定义HanLP版本和数据位置。
变量名 | 默认值 | 备注 |
---|---|---|
HANLP_STATIC_ROOT | pyhanlp所在安装路径的static文件夹 | 配置文件hanlp.properties所在的目录 |
HANLP_JAR_PATH | pyhanlp所在安装路径的static文件夹 | HanLP jar 包位置 |
HANLP_JVM_XMS | 1g | Java 虚拟机 初始申请内存大小 |
HANLP_JVM_XMX | 1g | Java 虚拟机 可占用的最大内存 |
HANLP_GOOGLE_UA | UA-XXXXX-X | Google Analytics 网站 id |
HANLP_VERBOSE | 调试日志开关 |
注意:
使用pip初次安装 pyhanlp 后,不设置上述变量,程序会自动下载所需依赖到默认位置。如果是设置了上述变量,则不进行下载。因为文件比较大,网络下载稳定性等原因,建议提前准备好 jar 包, 配置文件 和 data ,并使用环境变量进行配置。
保证 hanlp.properties 中的 root 是指向正确的data路径。
比如:
export HANLP_JAR_PATH=/hanlp/hanlp-portable-1.6.0.jarexport HANLP_STATIC_ROOT=/hanlp
就需要保证有如下的目录结构:
hanlp├── data│ ├── README.url│ ├── dictionary│ └── model├── hanlp.properties└── hanlp-portable-1.6.0.jar
测试
git clone https://github.com/hankcs/pyhanlp.gitcd pyhanlp pip install -r requirements.txt # 安装依赖export HANLP_JAR_PATH= # 配置环境变量export HANLP_STATIC_ROOT= # 配置环境变量python tests/test_hanlp.py # 执行测试
授权协议
Apache License 2.0
看完上述内容,你们对自然语言处理工具包HanLP的Python接口是怎么样的有进一步的了解吗?如果还想了解更多知识或者相关内容,请关注创新互联行业资讯频道,感谢大家的支持。
网站题目:自然语言处理工具包HanLP的Python接口是怎么样的
当前地址:http://ybzwz.com/article/gjsjih.html