pyhanlp:hanlp的python接口

HanLP的Python接口，支持自动下载与升级HanLP，兼容py二、py3。

安装

pip install pyhanlp

使用命令hanlp来验证安装，如因网络等缘由自动安装失败，可参考手动配置或Windows指南。

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

还能够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，一样支持交互模式和重定向：

 

服务器

经过hanlp serve来启动内置的http服务器，默认本地访问地址为：http://localhost:8765 ；也能够访问官网演示页面：http://hanlp.hankcs.com/ 。

 

升级

经过hanlp update命令来将HanLP升级到最新版。该命令会获取HanLP主项目最新版本并自动下载安装。

欢迎经过hanlp --help查看最新帮助手册。

 

API

经过工具类HanLP调用经常使用接口：

 

from pyhanlp import *

 

print(HanLP.segment('你好，欢迎在Python中调用HanLP的API'))

for term in HanLP.segment('下雨天地面积水'):

    print('{}\t{}'.format(term.word, term.nature)) # 获取单词与词性

testCases = [

    "商品和服务",

    "结婚的和还没有结婚的确实在干扰分词啊",

    "买水果真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",

    "工信处女干事每个月通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做",

    "随着页游兴起到如今的页游繁盛，依赖于存档进行逻辑判断的设计减小了，但这块也不能彻底忽略掉。"]

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日在国务院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肯定了把画雄鹰、松鼠和麻雀做为主攻目标。"))

 

更多功能

更多功能，包括但不限于：

1. 自定义词典
2. 极速词典分词
3. 索引分词
4. CRF分词
5. 感知机词法分析
6. 臺灣正體、香港繁體
7. 关键词提取、自动摘要
8. 文本分类、情感分析

请阅读HanLP主项目文档和demos目录以了解更多。调用更底层的API须要参考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，因此先用JClass获得类，而后就能够调用了：

 

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

若是你须要多线程安全性，可以使用SafeJClass；若是你须要延迟加载，可以使用LazyLoadingJClass。若是你常常使用某个类，欢迎将其写入pyhanlp/__init__.py中并提交pull request，谢谢！

 

与其余项目共享data

HanLP具有高度可自定义的特色，全部模型和词典均可以自由替换。若是你但愿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的安装目录下便可。本机安装目录能够经过hanlp --version获取。

 

同时，还能够经过--config临时加载另外一个配置文件：

 

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

 

测试

git clone https://github.com/hankcs/pyhanlp.git

cd pyhanlp

pip install -e .

python tests/test_hanlp.py

 

文章转载自github.com/hankcs/pyhanlp