CoreNLP Python接口处理中文

CoreNLP 项目是Stanford开发的一套开源的NLP系统。包括tokenize, pos , parse 等功能，与SpaCy类似。SpaCy号称是目前最快的NLP系统， 并且提供现成的python接口，但不足之处就是目前还不支持中文处理， CoreNLP则包含了中文模型，可以直接用于处理中文， 但CoreNLP使用Java开发，python调用稍微麻烦一点。

安装

安装的方式比较简单，下载CoreNLP最新的压缩包，再下载对应的语言jar包。从CoreNLP下载页面下载。将压缩包解压得到目录，再将语言的jar包放到这个目录下即可。

启动NLPServer

由于corenlp使用Java开发，所以没有python包可以直接使用，但是corenlp可以启动Server端，接收http请求。所以使用python简单的封装，就可以与server端进行通信，像使用原生python包一样使用。

对于中文的情况，启动corenlp server的方式是，到corenlp的目录下，执行如下代码

java -Xmx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer -serverProperties StanfordCoreNLP-chinese.properties -port 9000 -timeout 15000

目前corenlp对jdk的要求是1.8以上。 上面的-Xmx4g的含义是为这个server端申请4G的内存。-serverProperties指定properties文件，这个文件在chinese-model的jar包里面。

启动Server之后，第一次执行的时候会比较慢，需要载入各种包。

基本HTTP 请求

wget --post-data 'The quick brown fox jumped over the lazy dog.' 'localhost:9000/?properties={"annotators