使用Python呼叫Stanford CoreNLP進行分詞
阿新 • • 發佈:2018-11-21
Stanford CoreNLP的原始碼是使用Java寫的,提供了Server方式進行互動。stanfordcorenlp是一個對Stanford CoreNLP進行了封裝的Python工具包,GitHub地址https://github.com/Lynten/stanford-corenlp,使用非常方便。
安裝stanfordcorenlp包之前:
1:下載安裝JDK 1.8及以上版本。
2:下載Stanford CoreNLP(可去官網下載)檔案,解壓。
3:處理中文還需要下載中文的模型jar檔案,然後放到stanford-corenlp-full-2016-10-31根目錄下即可(注意一定要下載這個檔案哦,否則它預設是按英文來處理的)。
本文所用版本為Stanford CoreNLP 3.7.0。
使用
下面就簡單了:
安裝(Ubuntu)
# sudo pip install stanfordcorenlp
簡單使用,處理中文記得引數lang='zh'
# coding=utf-8 from stanfordcorenlp import StanfordCoreNLP nlp = StanfordCoreNLP(r'/home/gld/stanford-corenlp-full-2016-10-31/', lang='zh') sentence = '清華大學位於北京。' print nlp.word_tokenize(sentence) print nlp.pos_tag(sentence) print nlp.ner(sentence) print nlp.parse(sentence) print nlp.dependency_parse(sentence)
輸出:
[清華, 大學, 位於, 北京, 。]
[(清華, NR), (大學, NN), (位於, VV), (北京, NR), (。, PU)]
[(清華, ORGANIZATION), (大學, ORGANIZATION), (位於, O), (北京, GPE), (。, O)]
...
故障排除
模型初始化通常需要幾十秒,如果很久不出結果,加入quiet=False, logging_level=logging.DEBUG引數輸出Debug資訊:
import logging from stanfordcorenlp import StanfordCoreNLP nlp = StanfordCoreNLP(r'path_or_host', quiet=False, logging_level=logging.DEBUG)
如果出現port is in use的出錯資訊,換一個埠就好了:
nlp = StanfordCoreNLP(r'/home/gld/stanford-corenlp-full-2016-10-31/', port=9001, lang='zh')