使用Python调用Stanford CoreNLP进行分词

Stanford CoreNLP的源代码是使用Java写的，提供了Server方式进行交互。stanfordcorenlp是一个对Stanford CoreNLP进行了封装的Python工具包，GitHub地址https://github.com/Lynten/stanford-corenlp，使用非常方便。

安装stanfordcorenlp包之前： 
1：下载安装JDK 1.8及以上版本。 
2：下载Stanford CoreNLP(可去官网下载)文件，解压。 
3：处理中文还需要下载中文的模型jar文件，然后放到stanford-corenlp-full-2016-10-31根目录下即可（注意一定要下载这个文件哦，否则它默认是按英文来处理的）。

本文所用版本为Stanford CoreNLP 3.7.0。

使用
下面就简单了：

安装（Ubuntu）

# sudo pip install stanfordcorenlp

简单使用，处理中文记得参数lang='zh'

# coding=utf-8

from stanfordcorenlp import StanfordCoreNLP

nlp = StanfordCoreNLP(r'/home/gld/stanford-corenlp-full-2016-10-31/', lang='zh')

sentence = '清华大学位于北京。'
print nlp.word_tokenize(sentence)
print nlp.pos_tag(sentence)
print nlp.ner(sentence)
print nlp.parse(sentence)
print nlp.dependency_parse(sentence)

输出：

[清华, 大学, 位于, 北京, 。]

[(清华, NR), (大学, NN), (位于, VV), (北京, NR), (。, PU)]

[(清华, ORGANIZATION), (大学, ORGANIZATION), (位于, O), (北京, GPE), (。, O)]

...

故障排除
模型初始化通常需要几十秒，如果很久不出结果，加入quiet=False, logging_level=logging.DEBUG参数输出Debug信息：

import logging
from stanfordcorenlp import StanfordCoreNLP

nlp = StanfordCoreNLP(r'path_or_host', quiet=False, logging_level=logging.DEBUG)

如果出现port is in use的出错信息，换一个端口就好了：

nlp = StanfordCoreNLP(r'/home/gld/stanford-corenlp-full-2016-10-31/', port=9001, lang='zh')