自然语言处理工具包HanLP的Python接口是怎么样的

2025-03-16 技术教程

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

pipinstallpyhanlp

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：

$hanlpsegment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：

$hanlpsegment<<<'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：

$hanlpparse<<<'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nhnr_4主谓关系__2还还dd_4状中结构__3具体具体aa_4状中结构__4帮助帮助vv_0核心关系__5他他rrr_4兼语__6确定确定vv_4动宾关系__7了了uule_6右附加关系__8把把ppba_15状中结构__9画画vv_8介宾关系__10雄鹰雄鹰nn_9动宾关系__11、、wpw_12标点符号__12松鼠松鼠nn_10并列关系__13和和ccc_14左附加关系__14麻雀麻雀nn_10并列关系__15作为作为pp_6动宾关系__16主攻主攻vvn_17定中关系__17目标目标nn_15动宾关系__18。。wpw_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：

frompyhanlpimport*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。"]forsentenceintestCases: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：

hanlpsegment--configpath/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_ROOTpyhanlp所在安装路径的static文件夹配置文件hanlp.properties所在的目录HANLP_JAR_PATHpyhanlp所在安装路径的static文件夹HanLP jar 包位置HANLP_JVM_XMS1gJava 虚拟机初始申请内存大小HANLP_JVM_XMX1gJava 虚拟机可占用的最大内存HANLP_GOOGLE_UAUA-XXXXX-XGoogle Analytics 网站 idHANLP_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：

exportHANLP_JAR_PATH=/hanlp/hanlp-portable-1.6.0.jarexportHANLP_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

gitclonehttps://github.com/hankcs/pyhanlp.gitcdpyhanlppipinstall-rrequirements.txt#安装依赖exportHANLP_JAR_PATH=#配置环境变量exportHANLP_STATIC_ROOT=#配置环境变量pythontests/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。