NLP工具包安装配置(附一键下载requirements.txt)

一键安装地址
pip install -r requirements.txt

进入虚拟环境

pip镜像地址

-i https://pypi.tuna.tsinghua.edu.cn/simple

numpy

numpy用于矩阵运算

pip install numpy

NLTK

NLTK是自然语言工具处理包

pip installnltk

Gensim

Gensim：用于自动提取语义主题

1. pip install gensim

2. 下载whl文件:http://www.lfd.uci.edu/~gohlke/pythonlibs/，再pip install whl的文件；

Tensorflow

Tensorflow：采用数据流图用于数值计算的开源软件库；

pip install tensorflow
pip install tf-nightly-gpu/cpu

jieba

jieba：中文分词库，有三种分词模式，可加入自定义字典；

pip install jieba

Stanford NLP

Stanford NLP：

1. 安装stanford nlp自然语言处理包：
   pip install stanfordcorenlp
2. 下载Stanford CoreNLP文件
   https://stanfordnlp.github.io/CoreNLP/download.html
3. 下载中文模型jar包：
   http://nlp.stanford.edu/software/stanford-chinese-corenlp-2018-02-27-models.jar
4. 把加压后的Stanford CoreNLP文件夹和下载的stanford-chinese-corenlp-2018-02-27-models.jar放在同一目录下
5. 在Python中引用模型：

from stanfordcorenlp import StanfordCoreNLP
nlp = StanfordCoreNLP(r‘path', lang='zh')

Hanlp

简介

Hanlp：中文分词，词性标注，命名实体识别(基于C++或java)
Hanlp主要由三部分组成：类库hanlp.jar包、模型data包、配置文件hanlp.properties,在JVM测试完成后，我们需要对其进行相关配置。
github网址：https://github.com/hankcs/HanLP#3%E9%85%8D%E7%BD%AE%E6%96%87%E4%BB%B6

JVM环境安装

1. 首先安装Java的版本,我使用的java版本是jdk1.8；

2. 接着安装Jpype，Jpype是通过python来调用java代码的一个工具包
   pip install Jpype

3. 在py环境下测试JVM是否可以正常启动：

   from jpype import *
   import os.path
   startJVM(getDefaultJVMPath(),"-ea")
   java.lang.System.out.printin("Hello World")
   shutdownJVM()

Hanlp安装

Hanlp由三部分组成：类库hanlp.jar包、模型data包、配置文件hanlp.properties；

1. 下载hanlp.jar包：
   https://github.com/hankcs/HanLP

2. 下载data.zip：https://github.com/hankcs/HanLP/releases

http://hanlp.linrunsoft.com/release/data-for-1.7.0.zip

3. 配置文件

配置hanlp的属性文件：hanlp.properties，配置文件的作用是告诉Hanlp数据包Data的位置，只需修改第一行：
root=usr/home/HanLP/

配置完成后，接下来我们需要将HanLP.properties放入classpath，所谓放入classpath，实质上是JVM启动时会在classpath下查找class和properties,这句话就是在指定classpath:
"-Djava.class.path=E:\NLP\hanlp\hanlp-1.5.0.jar;E:\NLP\hanlp"

常出现错误情况

1. Class com.hankcs.hanlp.HanLP not found
   原因还是在于startJVM的设置，务必要检查两个方面：第一是路径放对了吗？第二是版本号对上了吗？(路径在放的时候注意最好用英文)
2. unicodeescape' codec can't decode bytes
   这个错误的原因就是转义，将之前路径的字符串前加上r’转义即可。
   测试代码：

import jpype
from jpype import *
jvmPath = jpype.getDefaultJVMPath()
jpype.startJVM(jvmPath,r"-Djava.class.path=E:\NLP\hanlp\hanlp-1.5.0.jar;E:\NLP\hanlp",
         "-Xms1g",
         "-Xmx1g")
jpype.java.lang.System.out.println("hello world!")
HanLP = JClass('com.hankcs.hanlp.HanLP')
java.lang.System.out.println(HanLP.segment("你好，欢迎使用HanLP汉语处理包！"));
jpype.shutdownJVM()