自然語言處理工具包HanLP的Python接口是怎么樣的

今天就跟大家聊聊有關自然語言處理工具包HanLP的Python接口是怎么樣的，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

pyhanlp: Python interfaces for HanLP

HanLP的Python接口，支持自動下載與升級HanLP，兼容py2、py3。

安裝

pip install pyhanlp

使用命令hanlp來驗證安裝，如因網絡等原因自動安裝HanLP失敗，可參考 《手動配置》 。

命令行

中文分詞

使用命令hanlp segment進入交互分詞模式，輸入一個句子并回車，HanLP會輸出分詞結果：

$ hanlp segment
商品和服務
商品/n 和/cc 服務/vn
當下雨天地面積水分外嚴重
當/p 下雨天/n 地面/n 積水/n 分外/d 嚴重/a
龔學平等領導說,鄧穎超生前杜絕超生
龔學平/nr 等/udeng 領導/n 說/v ,/w 鄧穎超/nr 生前/t 杜絕/v 超生/vi

還可以重定向輸入輸出到文件等：

$ hanlp segment <<< '歡迎新老師生前來就餐'               歡迎/v 新/a 老/a 師生/n 前來/vi 就餐/vi

依存句法分析

命令為hanlp parse，同樣支持交互模式和重定向：

$ hanlp parse <<< '徐先生還具體幫助他確定了把畫雄鷹、松鼠和麻雀作為主攻目標。'         1	徐先生	徐先生	nh	nr	_	4	主謂關系	_	_2	還	還	d	d	_	4	狀中結構	_	_3	具體	具體	a	a	_	4	狀中結構	_	_4	幫助	幫助	v	v	_	0	核心關系	_	_5	他	他	r	rr	_	4	兼語	_	_6	確定	確定	v	v	_	4	動賓關系	_	_7	了	了	u	ule	_	6	右附加關系	_	_8	把	把	p	pba	_	15	狀中結構	_	_9	畫	畫	v	v	_	8	介賓關系	_	_10	雄鷹	雄鷹	n	n	_	9	動賓關系	_	_11	、	、	wp	w	_	12	標點符號	_	_12	松鼠	松鼠	n	n	_	10	并列關系	_	_13	和	和	c	cc	_	14	左附加關系	_	_14	麻雀	麻雀	n	n	_	10	并列關系	_	_15	作為	作為	p	p	_	6	動賓關系	_	_16	主攻	主攻	v	vn	_	17	定中關系	_	_17	目標	目標	n	n	_	15	動賓關系	_	_18	。	。	wp	w	_	4	標點符號	_	_

服務器

通過hanlp serve來啟動內置的http服務器，默認本地訪問地址為： http://localhost:8765  ；也可以訪問官網演示頁面： http://hanlp.hankcs.com/  。

升級

通過hanlp update命令來將HanLP升級到最新版。該命令會獲取GitHub最新版本并自動下載安裝。

歡迎通過hanlp --help查看最新幫助手冊。

API

通過工具類HanLP調用常用接口：

from pyhanlp import *print(HanLP.segment('你好，歡迎在Python中調用HanLP的API'))
testCases = [    "商品和服務",    "結婚的和尚未結婚的確實在干擾分詞啊",    "買水果然后來世博園最后去世博會",    "中國的首都是北京",    "歡迎新老師生前來就餐",    "工信處女干事每月經過下屬科室都要親口交代24口交換機等技術性器件的安裝工作",    "隨著頁游興起到現在的頁游繁盛，依賴于存檔進行邏輯判斷的設計減少了，但這塊也不能完全忽略掉。"]for sentence in testCases: print(HanLP.segment(sentence))# 關鍵詞提取document = "水利部水資源司司長陳明忠9月29日在國務yuan新聞辦舉行的新聞發布會上透露，" \           "根據剛剛完成了水資源管理制度的考核，有部分省接近了紅線的指標，" \           "有部分省超過紅線的指標。對一些超過紅線的地方，陳明忠表示，對一些取用水項目進行區域的限批，" \           "嚴格地進行水資源論證和取水許可的批準。"print(HanLP.extractKeyword(document, 2))# 自動摘要print(HanLP.extractSummary(document, 3))# 依存句法分析print(HanLP.parseDependency("徐先生還具體幫助他確定了把畫雄鷹、松鼠和麻雀作為主攻目標。"))

更多功能

更多功能，包括但不限于：

• 自定義詞典

• 極速詞典分詞

• 索引分詞

• CRF分詞

• 感知機詞法分析

• 臺灣正體、香港繁體

• 關鍵詞提取、自動摘要

• 文本分類、情感分析

請閱讀 HanLP主項目文檔 以了解更多。調用更底層的API需要參考Java語法用JClass引入更深的類路徑。以感知機詞法分析器為例，這個類位于包名com.hankcs.hanlp.model.perceptron.PerceptronLexicalAnalyzer下，所以先用JClass得到類，然后就可以調用了：

PerceptronLexicalAnalyzer = JClass('com.hankcs.hanlp.model.perceptron.PerceptronLexicalAnalyzer')
analyzer = PerceptronLexicalAnalyzer()print(analyzer.analyze("上海華安工業（集團）公司董事長譚旭光和秘書胡花蕊來到美國紐約現代藝術博物館參觀"))

輸出：

[上海/ns 華安/nz 工業/n （/w 集團/n ）/w 公司/n]/nt 董事長/n 譚旭光/nr 和/c 秘書/n 胡花蕊/nr 來到/v [美國/ns 紐約/ns 現代/t 藝術/n 博物館/n]/ns 參觀/v

如果你經常使用某個類，歡迎將其寫入pyhanlp/__init__.py中并提交pull request，謝謝！

與其他項目共享data

HanLP具備高度可自定義的特點，所有模型和詞典都可以自由替換。如果你希望與別的項目共享同一套data，只需將該項目的配置文件hanlp.properties拷貝到pyhanlp的安裝目錄下即可。本機安裝目錄可以通過hanlp --version獲取。

同時，還可以通過--config臨時加載另一個配置文件：

hanlp segment --config path/to/another/hanlp.properties

配置

自動配置

默認在首次調用HanLP時自動下載jar包和數據包，并自動完成配置。

手動配置

如因網絡等原因自動配置失敗，可以通過設置環境變量來自定義HanLP版本和數據位置。

注意：

1. 使用pip初次安裝 pyhanlp 后，不設置上述變量，程序會自動下載所需依賴到默認位置。如果是設置了上述變量，則不進行下載。因為文件比較大，網絡下載穩定性等原因，建議提前準備好 jar 包， 配置文件 和 data ，并使用環境變量進行配置。

2. 保證 hanlp.properties 中的 root 是指向正確的data路徑。

比如：

export HANLP_JAR_PATH=/hanlp/hanlp-portable-1.6.0.jarexport HANLP_STATIC_ROOT=/hanlp

就需要保證有如下的目錄結構：

hanlp├── data│   ├── README.url│   ├── dictionary│   └── model├── hanlp.properties└── hanlp-portable-1.6.0.jar

測試

git clone https://github.com/hankcs/pyhanlp.gitcd pyhanlp
pip install -r requirements.txt # 安裝依賴export HANLP_JAR_PATH=          # 配置環境變量export HANLP_STATIC_ROOT=       # 配置環境變量python tests/test_hanlp.py      # 執行測試

授權協議

Apache License 2.0

看完上述內容，你們對自然語言處理工具包HanLP的Python接口是怎么樣的有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。