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。

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。

注意：

1. 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。

2. 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，请关注亿速云行业资讯频道，感谢大家的支持。