Metadata-Version: 1.1
Name: pyhanlp
Version: 0.1.5
Summary: Python wrapper for HanLP: Han Language Processing
Home-page: https://github.com/hankcs/pyhanlp
Author: hankcs
Author-email: hankcshe@gmail.com
License: Apache License 2.0
Description-Content-Type: UNKNOWN
Description: # pyhanlp: Python interfaces for HanLP
        
        HanLP的Python接口，支持自动下载与升级HanLP的jar包和数据包，兼容py2, py3。
        
        ## 安装
        
        ### Python3
        
        ```
        pip3 install pyhanlp
        ```
        
        ### Python2
        
        ```
        pip install pyhanlp
        ```
        
        ## 命令行
        
        通过`hanlp --help`查看最新帮助手册。
        
        ### 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
        ```
        
        还可以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`，同样支持交互模式和重定向：
        
        ```
        hanlp parse <<< '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  nh      nr      _       4       主谓关系        _      _
        2       还      还      d       d       _       4       状中结构        _      _
        3       具体    具体    a       a       _       4       状中结构        _      _
        4       帮助    帮助    v       v       _       0       核心关系        _      _
        5       他      他      r       rr      _       4       兼语    _       _
        6       确定    确定    v       v       _       4       动宾关系        _      _
        7       了      了      u       ule     _       6       右附加关系      _      _
        8       把      把      p       pba     _       9       状中结构        _      _
        9       画      画      v       v       _       6       动宾关系        _      _
        10      雄鹰    雄鹰    n       n       _       9       动宾关系        _      _
        11      、      、      wp      w       _       12      标点符号        _      _
        12      松鼠    松鼠    n       n       _       10      并列关系        _      _
        13                      wp      w       _       9       标点符号        _      _
        14      和      和      c       cc      _       15      左附加关系      _      _
        15      麻雀    麻雀    n       n       _       16      主谓关系        _      _
        16      作为    作为    p       p       _       9       并列关系        _      _
        17      主攻    主攻    v       vn      _       18      定中关系        _      _
        18      目标    目标    n       n       _       16      动宾关系        _      _
        19      。      。      wp      w       _       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。
        
        ## API
        
        通过工具类`HanLP`调用常用接口：
        
        ```python
        from pyhanlp import *
        
        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。"]
        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](https://github.com/hankcs/HanLP)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`](https://github.com/hankcs/HanLP/blob/master/src/main/java/com/hankcs/hanlp/model/perceptron/PerceptronLexicalAnalyzer.java)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：
        
        ```
        hanlp segment --config path/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\_ROOT | pyhanlp所在安装路径的static文件夹 | 静态文件位置，包括配置文件(hanLP.properties)和数据字典(data)。 | 
        | HANLP_JAR_PATH | pyhanlp所在安装路径的static文件夹 | HanLP jar 包位置 | 
        
        
        注意：
        
        1. **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](https://mvnrepository.com/artifact/com.hankcs/hanlp)包，[配置文件](https://github.com/hankcs/HanLP#3%E9%85%8D%E7%BD%AE%E6%96%87%E4%BB%B6)和[data](https://github.com/hankcs/HanLP#2%E4%B8%8B%E8%BD%BDdata)，并使用环境变量进行配置。**
        
        2. 保证 hanlp.properties 中的 root 是指向正确的data路径。
        
        比如：
        
        ```
        export HANLP_JAR_PATH=/data/hanlp-portable-1.6.0.jar
        export HANLP_STATIC_ROOT=/data
        ```
        
        就需要保证有如下的目录结构：
        
        ```
        data
        ├── data
        │   ├── README.url
        │   ├── dictionary
        │   └── model
        ├── hanLP.properties
        └── hanlp-portable-1.6.0.jar
        ```
        
        ## 测试
        
        ```
        git clone https://github.com/hankcs/pyhanlp.git
        cd pyhanlp
        pip install -r requirements.txt # 安装依赖
        export HANLP_JAR_PATH=          # 配置环境变量
        export HANLP_STATIC_ROOT=       # 配置环境变量
        python tests/test_hanlp.py      # 执行测试
        ```
        
        
        ## 授权协议
        
        Apache License 2.0
        
        
        
        
Keywords: corpus,machine-learning,NLU,NLP
Platform: UNKNOWN
Classifier: Intended Audience :: Developers
Classifier: Natural Language :: Chinese (Simplified)
Classifier: Natural Language :: Chinese (Traditional)
Classifier: Operating System :: OS Independent
Classifier: Programming Language :: Python
Classifier: Programming Language :: Python :: 2
Classifier: Programming Language :: Python :: 2.7
Classifier: Programming Language :: Python :: 3
Classifier: Topic :: Text Processing
Classifier: Topic :: Text Processing :: Indexing
Classifier: Topic :: Text Processing :: Linguistic
