可以在NLTK中使用Stanford Parser吗?(我不是在谈论斯坦福POS。)
可以在NLTK中使用Stanford Parser吗?(我不是在谈论斯坦福POS。)
Answers:
请注意,此答案适用于NLTK v 3.0,不适用于更新的版本。
当然,请在Python中尝试以下操作:
import os
from nltk.parse import stanford
os.environ['STANFORD_PARSER'] = '/path/to/standford/jars'
os.environ['STANFORD_MODELS'] = '/path/to/standford/jars'
parser = stanford.StanfordParser(model_path="/location/of/the/englishPCFG.ser.gz")
sentences = parser.raw_parse_sents(("Hello, My name is Melroy.", "What is your name?"))
print sentences
# GUI
for line in sentences:
for sentence in line:
sentence.draw()
输出:
[Tree('ROOT',[Tree('S',[Tree('INTJ',[Tree('UH',['Hello']))]),Tree(',',[','])), Tree('NP',[Tree('PRP $',['My']),Tree('NN',['name'])])),Tree('VP',[Tree('VBZ',[ 'is']),Tree('ADJP',[Tree('JJ',['Melroy'])])]),Tree('。',['。'])])))),Tree(' ROOT',[Tree('SBARQ',[Tree('WHNP',[Tree('WP',['What']))])),Tree('SQ',[Tree('VBZ',['is' ]),Tree('NP',[Tree('PRP $',['your']),Tree('NN',['name'])])))),Tree('。',['? '])])]))
注意1: 在此示例中,解析器和模型jar都在同一文件夹中。
笔记2:
注3: 本englishPCFG.ser.gz文件,可以发现里面的models.jar文件(/edu/stanford/nlp/models/lexparser/englishPCFG.ser.gz)。请使用Come Archive Manager来“解压缩” models.jar文件。
注意4: 确保使用Java JRE(运行时环境)1.8,也称为Oracle JDK8。否则,您将得到:不支持的major.minor 52.0版。
从以下网址下载NLTK v3:https : //github.com/nltk/nltk。并安装NLTK:
sudo python setup.py安装
您可以使用NLTK下载器通过Python获取Stanford Parser:
import nltk
nltk.download()
试试我的例子!(不要忘记更改jar路径并将模型路径更改为ser.gz位置)
要么:
与上述相同,下载并安装NLTK v3。
从下载最新版本(当前版本文件名为stanford-parser-full-2015-01-29.zip):http : //nlp.stanford.edu/software/lex-parser.shtml#Download
提取standford-parser-full-20xx-xx-xx.zip。
创建一个新文件夹(在我的示例中为“ jars”)。将提取的文件放入以下jar文件夹中:stanford-parser-3.xx-models.jar和stanford-parser.jar。
如上所示,您可以使用环境变量(STANFORD_PARSER和STANFORD_MODELS)来指向此“ jars”文件夹。我正在使用Linux,因此如果您使用Windows,请使用类似以下内容的文件:C:// folder // jars。
使用存档管理器(7zip)打开stanford-parser-3.xx-models.jar。
浏览jar文件;edu / stanford / nlp / models / lexparser。再次,提取名为“ englishPCFG.ser.gz”的文件。记住解压缩此ser.gz文件的位置。
创建StanfordParser实例时,可以提供模型路径作为参数。这是模型的完整路径,在我们的示例中是/location/of/englishPCFG.ser.gz。
试试我的例子!(不要忘记更改jar路径并将模型路径更改为ser.gz位置)
nltk.parse.stanford
?我只有nltk.tag.stanford
NLTK 2.0.4
。
AttributeError: 'StanfordParser' object has no attribute 'raw_batch_parse'
raw_parse_sents()
for line in sentences: for sentence in line: sentence.draw()
您只能在Tree对象上执行draw();)
NLTK official 3rd party tools
文档说明对此处的所有答案添加免责声明。
不建议使用以下答案,请针对NLTK v3.3及更高版本使用https://stackoverflow.com/a/51981566/610569上的解决方案。
注意:以下答案仅适用于:
由于这两种工具的更改都非常快,并且API可能会在3-6个月后看起来非常不同。请将以下答案视为暂时性解决方案,而不是永久解决方案。
有关如何使用NLTK连接斯坦福NLP工具的最新说明,请始终参阅https://github.com/nltk/nltk/wiki/Installing-Third-Party-Software!
cd $HOME
# Update / Install NLTK
pip install -U nltk
# Download the Stanford NLP tools
wget http://nlp.stanford.edu/software/stanford-ner-2015-04-20.zip
wget http://nlp.stanford.edu/software/stanford-postagger-full-2015-04-20.zip
wget http://nlp.stanford.edu/software/stanford-parser-full-2015-04-20.zip
# Extract the zip file.
unzip stanford-ner-2015-04-20.zip
unzip stanford-parser-full-2015-04-20.zip
unzip stanford-postagger-full-2015-04-20.zip
export STANFORDTOOLSDIR=$HOME
export CLASSPATH=$STANFORDTOOLSDIR/stanford-postagger-full-2015-04-20/stanford-postagger.jar:$STANFORDTOOLSDIR/stanford-ner-2015-04-20/stanford-ner.jar:$STANFORDTOOLSDIR/stanford-parser-full-2015-04-20/stanford-parser.jar:$STANFORDTOOLSDIR/stanford-parser-full-2015-04-20/stanford-parser-3.5.2-models.jar
export STANFORD_MODELS=$STANFORDTOOLSDIR/stanford-postagger-full-2015-04-20/models:$STANFORDTOOLSDIR/stanford-ner-2015-04-20/classifiers
然后:
>>> from nltk.tag.stanford import StanfordPOSTagger
>>> st = StanfordPOSTagger('english-bidirectional-distsim.tagger')
>>> st.tag('What is the airspeed of an unladen swallow ?'.split())
[(u'What', u'WP'), (u'is', u'VBZ'), (u'the', u'DT'), (u'airspeed', u'NN'), (u'of', u'IN'), (u'an', u'DT'), (u'unladen', u'JJ'), (u'swallow', u'VB'), (u'?', u'.')]
>>> from nltk.tag import StanfordNERTagger
>>> st = StanfordNERTagger('english.all.3class.distsim.crf.ser.gz')
>>> st.tag('Rami Eid is studying at Stony Brook University in NY'.split())
[(u'Rami', u'PERSON'), (u'Eid', u'PERSON'), (u'is', u'O'), (u'studying', u'O'), (u'at', u'O'), (u'Stony', u'ORGANIZATION'), (u'Brook', u'ORGANIZATION'), (u'University', u'ORGANIZATION'), (u'in', u'O'), (u'NY', u'O')]
>>> from nltk.parse.stanford import StanfordParser
>>> parser=StanfordParser(model_path="edu/stanford/nlp/models/lexparser/englishPCFG.ser.gz")
>>> list(parser.raw_parse("the quick brown fox jumps over the lazy dog"))
[Tree('ROOT', [Tree('NP', [Tree('NP', [Tree('DT', ['the']), Tree('JJ', ['quick']), Tree('JJ', ['brown']), Tree('NN', ['fox'])]), Tree('NP', [Tree('NP', [Tree('NNS', ['jumps'])]), Tree('PP', [Tree('IN', ['over']), Tree('NP', [Tree('DT', ['the']), Tree('JJ', ['lazy']), Tree('NN', ['dog'])])])])])])]
>>> from nltk.parse.stanford import StanfordDependencyParser
>>> dep_parser=StanfordDependencyParser(model_path="edu/stanford/nlp/models/lexparser/englishPCFG.ser.gz")
>>> print [parse.tree() for parse in dep_parser.raw_parse("The quick brown fox jumps over the lazy dog.")]
[Tree('jumps', [Tree('fox', ['The', 'quick', 'brown']), Tree('dog', ['over', 'the', 'lazy'])])]
首先,必须注意,斯坦福NLP工具是用Java编写的,而NLTK是用Python编写的。NLTK与该工具的接口方式是通过命令行界面调用Java工具。
其次,NLTK
自3.1版以来,斯坦福NLP工具的API发生了很大变化。因此建议将您的NLTK软件包更新为v3.1。
第三,NLTK
Stanford NLP Tools 的API包含各个NLP工具,例如Stanford POS标记器,Stanford NER Tagger,Stanford Parser。
对于POS和NER标记器,它不会环绕Stanford Core NLP软件包。
对于Stanford Parser,这是一个特殊的情况,它同时包裹了Stanford Parser和Stanford Core NLP(就我个人而言,我没有使用NLTK使用后者,我宁愿遵循@dimazest在http://www.eecs上的演示。 qmul.ac.uk/~dm303/stanford-dependency-parser-nltk-and-anaconda.html)
需要注意的是由于NLTK V3.1中,STANFORD_JAR
并且STANFORD_PARSER
变量已被弃用,不再使用
假设您已在操作系统上正确安装了Java。
现在,安装/更新您的NLTK版本(请参阅http://www.nltk.org/install.html):
sudo pip install -U nltk
sudo apt-get install python-nltk
对于Windows(使用32位二进制安装):
(为什么不使用64位?请参阅https://github.com/nltk/nltk/issues/1079)
然后出于偏执狂,nltk
在python中重新检查您的版本:
from __future__ import print_function
import nltk
print(nltk.__version__)
或在命令行上:
python3 -c "import nltk; print(nltk.__version__)"
确保您将其3.1
视为输出。
要获得更多的偏执狂,请检查所有您喜欢的Stanford NLP工具API是否可用:
from nltk.parse.stanford import StanfordParser
from nltk.parse.stanford import StanfordDependencyParser
from nltk.parse.stanford import StanfordNeuralDependencyParser
from nltk.tag.stanford import StanfordPOSTagger, StanfordNERTagger
from nltk.tokenize.stanford import StanfordTokenizer
(注意:上面的导入操作仅会确保您使用的是包含这些API的正确NLTK版本。未在导入操作中看到错误并不表示您已成功配置NLTK API以使用Stanford Tools。)
现在,您已经检查了具有包含必要的Stanford NLP工具界面的NLTK的正确版本。您需要下载并提取所有必要的Stanford NLP工具。
TL; DR,在Unix中:
cd $HOME
# Download the Stanford NLP tools
wget http://nlp.stanford.edu/software/stanford-ner-2015-04-20.zip
wget http://nlp.stanford.edu/software/stanford-postagger-full-2015-04-20.zip
wget http://nlp.stanford.edu/software/stanford-parser-full-2015-04-20.zip
# Extract the zip file.
unzip stanford-ner-2015-04-20.zip
unzip stanford-parser-full-2015-04-20.zip
unzip stanford-postagger-full-2015-04-20.zip
在Windows / Mac中:
设置环境变量,以便NLTK可以自动找到相关的文件路径。您必须设置以下变量:
将适当的Stanford NLP .jar
文件添加到 CLASSPATH
环境变量。
stanford-ner-2015-04-20/stanford-ner.jar
stanford-postagger-full-2015-04-20/stanford-postagger.jar
stanford-parser-full-2015-04-20/stanford-parser.jar
解析器模型的jar文件,stanford-parser-full-2015-04-20/stanford-parser-3.5.2-models.jar
将适当的模型目录添加到STANFORD_MODELS
变量中(即,您可以在其中找到预训练模型的保存目录)
stanford-ner-2015-04-20/classifiers/
stanford-postagger-full-2015-04-20/models/
在代码中,看到它STANFORD_MODELS
在附加模型名称之前先搜索目录。另外请注意,API还会自动尝试在OS环境中搜索`CLASSPATH)
请注意,从NLTK v3.1开始,STANFORD_JAR
不赞成使用该变量,而不再使用LONGER。在以下Stackoverflow问题中找到的代码段可能不起作用:
TL;在Ubuntu上用于STEP 3的DR
export STANFORDTOOLSDIR=/home/path/to/stanford/tools/
export CLASSPATH=$STANFORDTOOLSDIR/stanford-postagger-full-2015-04-20/stanford-postagger.jar:$STANFORDTOOLSDIR/stanford-ner-2015-04-20/stanford-ner.jar:$STANFORDTOOLSDIR/stanford-parser-full-2015-04-20/stanford-parser.jar:$STANFORDTOOLSDIR/stanford-parser-full-2015-04-20/stanford-parser-3.5.2-models.jar
export STANFORD_MODELS=$STANFORDTOOLSDIR/stanford-postagger-full-2015-04-20/models:$STANFORDTOOLSDIR/stanford-ner-2015-04-20/classifiers
(对于Windows:有关设置环境变量的说明,请参见https://stackoverflow.com/a/17176423/610569)
在启动python之前,您必须如上所述设置变量,然后:
>>> from nltk.tag.stanford import StanfordPOSTagger
>>> st = StanfordPOSTagger('english-bidirectional-distsim.tagger')
>>> st.tag('What is the airspeed of an unladen swallow ?'.split())
[(u'What', u'WP'), (u'is', u'VBZ'), (u'the', u'DT'), (u'airspeed', u'NN'), (u'of', u'IN'), (u'an', u'DT'), (u'unladen', u'JJ'), (u'swallow', u'VB'), (u'?', u'.')]
>>> from nltk.tag import StanfordNERTagger
>>> st = StanfordNERTagger('english.all.3class.distsim.crf.ser.gz')
>>> st.tag('Rami Eid is studying at Stony Brook University in NY'.split())
[(u'Rami', u'PERSON'), (u'Eid', u'PERSON'), (u'is', u'O'), (u'studying', u'O'), (u'at', u'O'), (u'Stony', u'ORGANIZATION'), (u'Brook', u'ORGANIZATION'), (u'University', u'ORGANIZATION'), (u'in', u'O'), (u'NY', u'O')]
>>> from nltk.parse.stanford import StanfordParser
>>> parser=StanfordParser(model_path="edu/stanford/nlp/models/lexparser/englishPCFG.ser.gz")
>>> list(parser.raw_parse("the quick brown fox jumps over the lazy dog"))
[Tree('ROOT', [Tree('NP', [Tree('NP', [Tree('DT', ['the']), Tree('JJ', ['quick']), Tree('JJ', ['brown']), Tree('NN', ['fox'])]), Tree('NP', [Tree('NP', [Tree('NNS', ['jumps'])]), Tree('PP', [Tree('IN', ['over']), Tree('NP', [Tree('DT', ['the']), Tree('JJ', ['lazy']), Tree('NN', ['dog'])])])])])])]
另外,您可以尝试将python中的环境变量添加到python中,如前面的答案所建议的那样,但是您也可以直接告诉解析器/标记器初始化为保存.jar
文件和模型的直接路径。
如果在API更改其参数名称时使用以下方法BUT,则无需设置环境变量,则需要进行相应的更改。这就是为什么建议设置环境变量而不是修改python代码以适合NLTK版本的原因。
例如(不设置任何环境变量):
# POS tagging:
from nltk.tag import StanfordPOSTagger
stanford_pos_dir = '/home/alvas/stanford-postagger-full-2015-04-20/'
eng_model_filename= stanford_pos_dir + 'models/english-left3words-distsim.tagger'
my_path_to_jar= stanford_pos_dir + 'stanford-postagger.jar'
st = StanfordPOSTagger(model_filename=eng_model_filename, path_to_jar=my_path_to_jar)
st.tag('What is the airspeed of an unladen swallow ?'.split())
# NER Tagging:
from nltk.tag import StanfordNERTagger
stanford_ner_dir = '/home/alvas/stanford-ner/'
eng_model_filename= stanford_ner_dir + 'classifiers/english.all.3class.distsim.crf.ser.gz'
my_path_to_jar= stanford_ner_dir + 'stanford-ner.jar'
st = StanfordNERTagger(model_filename=eng_model_filename, path_to_jar=my_path_to_jar)
st.tag('Rami Eid is studying at Stony Brook University in NY'.split())
# Parsing:
from nltk.parse.stanford import StanfordParser
stanford_parser_dir = '/home/alvas/stanford-parser/'
eng_model_path = stanford_parser_dir + "edu/stanford/nlp/models/lexparser/englishRNN.ser.gz"
my_path_to_models_jar = stanford_parser_dir + "stanford-parser-3.5.2-models.jar"
my_path_to_jar = stanford_parser_dir + "stanford-parser.jar"
parser=StanfordParser(model_path=eng_model_path, path_to_models_jar=my_path_to_models_jar, path_to_jar=my_path_to_jar)
不建议使用以下答案,请针对NLTK v3.3及更高版本使用https://stackoverflow.com/a/51981566/610569上的解决方案。
从当前的Stanford解析器(2015-04-20)开始,的默认输出lexparser.sh
已更改,因此以下脚本将无法使用。
但是,此答案是出于遗留原因而保留的,尽管如此,它仍然适用于http://nlp.stanford.edu/software/stanford-parser-2012-11-12.zip。
我建议您不要惹Jython,JPype。让python做python东西,让Java做java东西,通过控制台获取Stanford Parser输出。
在主目录中安装了Stanford Parser之后~/
,只需使用以下python配方即可获得括号内的解析:
import os
sentence = "this is a foo bar i want to parse."
os.popen("echo '"+sentence+"' > ~/stanfordtemp.txt")
parser_out = os.popen("~/stanford-parser-2012-11-12/lexparser.sh ~/stanfordtemp.txt").readlines()
bracketed_parse = " ".join( [i.strip() for i in parser_out if i.strip()[0] == "("] )
print bracketed_parse
len(i.strip()) > 0
否则否则出现索引错误。我想我的解析器输出至少有一行纯空白。
'
s,您将得到一些奇怪的错误。有更好的方法可以在命令行上进行调用
从NLTK v3.3开始,用户应避免使用Stanford NER或POS标记器nltk.tag
,而应避免使用 Stanford标记器/分段器nltk.tokenize
。
而是使用新的nltk.parse.corenlp.CoreNLPParser
API。
请参阅https://github.com/nltk/nltk/wiki/Stanford-CoreNLP-API-in-NLTK
(避免仅链接的答案,我粘贴了下面的NLTK github wiki中的文档)
首先,更新您的NLTK
pip3 install -U nltk # Make sure is >=3.3
然后下载必要的CoreNLP软件包:
cd ~
wget http://nlp.stanford.edu/software/stanford-corenlp-full-2018-02-27.zip
unzip stanford-corenlp-full-2018-02-27.zip
cd stanford-corenlp-full-2018-02-27
# Get the Chinese model
wget http://nlp.stanford.edu/software/stanford-chinese-corenlp-2018-02-27-models.jar
wget https://raw.githubusercontent.com/stanfordnlp/CoreNLP/master/src/edu/stanford/nlp/pipeline/StanfordCoreNLP-chinese.properties
# Get the Arabic model
wget http://nlp.stanford.edu/software/stanford-arabic-corenlp-2018-02-27-models.jar
wget https://raw.githubusercontent.com/stanfordnlp/CoreNLP/master/src/edu/stanford/nlp/pipeline/StanfordCoreNLP-arabic.properties
# Get the French model
wget http://nlp.stanford.edu/software/stanford-french-corenlp-2018-02-27-models.jar
wget https://raw.githubusercontent.com/stanfordnlp/CoreNLP/master/src/edu/stanford/nlp/pipeline/StanfordCoreNLP-french.properties
# Get the German model
wget http://nlp.stanford.edu/software/stanford-german-corenlp-2018-02-27-models.jar
wget https://raw.githubusercontent.com/stanfordnlp/CoreNLP/master/src/edu/stanford/nlp/pipeline/StanfordCoreNLP-german.properties
# Get the Spanish model
wget http://nlp.stanford.edu/software/stanford-spanish-corenlp-2018-02-27-models.jar
wget https://raw.githubusercontent.com/stanfordnlp/CoreNLP/master/src/edu/stanford/nlp/pipeline/StanfordCoreNLP-spanish.properties
仍在stanford-corenlp-full-2018-02-27
目录中,启动服务器:
java -mx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer \
-preload tokenize,ssplit,pos,lemma,ner,parse,depparse \
-status_port 9000 -port 9000 -timeout 15000 &
然后在Python中:
>>> from nltk.parse import CoreNLPParser
# Lexical Parser
>>> parser = CoreNLPParser(url='http://localhost:9000')
# Parse tokenized text.
>>> list(parser.parse('What is the airspeed of an unladen swallow ?'.split()))
[Tree('ROOT', [Tree('SBARQ', [Tree('WHNP', [Tree('WP', ['What'])]), Tree('SQ', [Tree('VBZ', ['is']), Tree('NP', [Tree('NP', [Tree('DT', ['the']), Tree('NN', ['airspeed'])]), Tree('PP', [Tree('IN', ['of']), Tree('NP', [Tree('DT', ['an']), Tree('JJ', ['unladen'])])]), Tree('S', [Tree('VP', [Tree('VB', ['swallow'])])])])]), Tree('.', ['?'])])])]
# Parse raw string.
>>> list(parser.raw_parse('What is the airspeed of an unladen swallow ?'))
[Tree('ROOT', [Tree('SBARQ', [Tree('WHNP', [Tree('WP', ['What'])]), Tree('SQ', [Tree('VBZ', ['is']), Tree('NP', [Tree('NP', [Tree('DT', ['the']), Tree('NN', ['airspeed'])]), Tree('PP', [Tree('IN', ['of']), Tree('NP', [Tree('DT', ['an']), Tree('JJ', ['unladen'])])]), Tree('S', [Tree('VP', [Tree('VB', ['swallow'])])])])]), Tree('.', ['?'])])])]
# Neural Dependency Parser
>>> from nltk.parse.corenlp import CoreNLPDependencyParser
>>> dep_parser = CoreNLPDependencyParser(url='http://localhost:9000')
>>> parses = dep_parser.parse('What is the airspeed of an unladen swallow ?'.split())
>>> [[(governor, dep, dependent) for governor, dep, dependent in parse.triples()] for parse in parses]
[[(('What', 'WP'), 'cop', ('is', 'VBZ')), (('What', 'WP'), 'nsubj', ('airspeed', 'NN')), (('airspeed', 'NN'), 'det', ('the', 'DT')), (('airspeed', 'NN'), 'nmod', ('swallow', 'VB')), (('swallow', 'VB'), 'case', ('of', 'IN')), (('swallow', 'VB'), 'det', ('an', 'DT')), (('swallow', 'VB'), 'amod', ('unladen', 'JJ')), (('What', 'WP'), 'punct', ('?', '.'))]]
# Tokenizer
>>> parser = CoreNLPParser(url='http://localhost:9000')
>>> list(parser.tokenize('What is the airspeed of an unladen swallow?'))
['What', 'is', 'the', 'airspeed', 'of', 'an', 'unladen', 'swallow', '?']
# POS Tagger
>>> pos_tagger = CoreNLPParser(url='http://localhost:9000', tagtype='pos')
>>> list(pos_tagger.tag('What is the airspeed of an unladen swallow ?'.split()))
[('What', 'WP'), ('is', 'VBZ'), ('the', 'DT'), ('airspeed', 'NN'), ('of', 'IN'), ('an', 'DT'), ('unladen', 'JJ'), ('swallow', 'VB'), ('?', '.')]
# NER Tagger
>>> ner_tagger = CoreNLPParser(url='http://localhost:9000', tagtype='ner')
>>> list(ner_tagger.tag(('Rami Eid is studying at Stony Brook University in NY'.split())))
[('Rami', 'PERSON'), ('Eid', 'PERSON'), ('is', 'O'), ('studying', 'O'), ('at', 'O'), ('Stony', 'ORGANIZATION'), ('Brook', 'ORGANIZATION'), ('University', 'ORGANIZATION'), ('in', 'O'), ('NY', 'STATE_OR_PROVINCE')]
仍然从`stanford-corenlp-full-2018-02-27目录中启动服务器,有点不同:
java -Xmx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer \
-serverProperties StanfordCoreNLP-chinese.properties \
-preload tokenize,ssplit,pos,lemma,ner,parse \
-status_port 9001 -port 9001 -timeout 15000
在Python中:
>>> parser = CoreNLPParser('http://localhost:9001')
>>> list(parser.tokenize(u'我家没有电脑。'))
['我家', '没有', '电脑', '。']
>>> list(parser.parse(parser.tokenize(u'我家没有电脑。')))
[Tree('ROOT', [Tree('IP', [Tree('IP', [Tree('NP', [Tree('NN', ['我家'])]), Tree('VP', [Tree('VE', ['没有']), Tree('NP', [Tree('NN', ['电脑'])])])]), Tree('PU', ['。'])])])]
启动服务器:
java -Xmx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer \
-serverProperties StanfordCoreNLP-arabic.properties \
-preload tokenize,ssplit,pos,parse \
-status_port 9005 -port 9005 -timeout 15000
在Python中:
>>> from nltk.parse import CoreNLPParser
>>> parser = CoreNLPParser('http://localhost:9005')
>>> text = u'انا حامل'
# Parser.
>>> parser.raw_parse(text)
<list_iterator object at 0x7f0d894c9940>
>>> list(parser.raw_parse(text))
[Tree('ROOT', [Tree('S', [Tree('NP', [Tree('PRP', ['انا'])]), Tree('NP', [Tree('NN', ['حامل'])])])])]
>>> list(parser.parse(parser.tokenize(text)))
[Tree('ROOT', [Tree('S', [Tree('NP', [Tree('PRP', ['انا'])]), Tree('NP', [Tree('NN', ['حامل'])])])])]
# Tokenizer / Segmenter.
>>> list(parser.tokenize(text))
['انا', 'حامل']
# POS tagg
>>> pos_tagger = CoreNLPParser('http://localhost:9005', tagtype='pos')
>>> list(pos_tagger.tag(parser.tokenize(text)))
[('انا', 'PRP'), ('حامل', 'NN')]
# NER tag
>>> ner_tagger = CoreNLPParser('http://localhost:9005', tagtype='ner')
>>> list(ner_tagger.tag(parser.tokenize(text)))
[('انا', 'O'), ('حامل', 'O')]
启动服务器:
java -Xmx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer \
-serverProperties StanfordCoreNLP-french.properties \
-preload tokenize,ssplit,pos,parse \
-status_port 9004 -port 9004 -timeout 15000
在Python中:
>>> parser = CoreNLPParser('http://localhost:9004')
>>> list(parser.parse('Je suis enceinte'.split()))
[Tree('ROOT', [Tree('SENT', [Tree('NP', [Tree('PRON', ['Je']), Tree('VERB', ['suis']), Tree('AP', [Tree('ADJ', ['enceinte'])])])])])]
>>> pos_tagger = CoreNLPParser('http://localhost:9004', tagtype='pos')
>>> pos_tagger.tag('Je suis enceinte'.split())
[('Je', 'PRON'), ('suis', 'VERB'), ('enceinte', 'ADJ')]
启动服务器:
java -Xmx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer \
-serverProperties StanfordCoreNLP-german.properties \
-preload tokenize,ssplit,pos,ner,parse \
-status_port 9002 -port 9002 -timeout 15000
在Python中:
>>> parser = CoreNLPParser('http://localhost:9002')
>>> list(parser.raw_parse('Ich bin schwanger'))
[Tree('ROOT', [Tree('NUR', [Tree('S', [Tree('PPER', ['Ich']), Tree('VAFIN', ['bin']), Tree('AP', [Tree('ADJD', ['schwanger'])])])])])]
>>> list(parser.parse('Ich bin schwanger'.split()))
[Tree('ROOT', [Tree('NUR', [Tree('S', [Tree('PPER', ['Ich']), Tree('VAFIN', ['bin']), Tree('AP', [Tree('ADJD', ['schwanger'])])])])])]
>>> pos_tagger = CoreNLPParser('http://localhost:9002', tagtype='pos')
>>> pos_tagger.tag('Ich bin schwanger'.split())
[('Ich', 'PPER'), ('bin', 'VAFIN'), ('schwanger', 'ADJD')]
>>> pos_tagger = CoreNLPParser('http://localhost:9002', tagtype='pos')
>>> pos_tagger.tag('Ich bin schwanger'.split())
[('Ich', 'PPER'), ('bin', 'VAFIN'), ('schwanger', 'ADJD')]
>>> ner_tagger = CoreNLPParser('http://localhost:9002', tagtype='ner')
>>> ner_tagger.tag('Donald Trump besuchte Angela Merkel in Berlin.'.split())
[('Donald', 'PERSON'), ('Trump', 'PERSON'), ('besuchte', 'O'), ('Angela', 'PERSON'), ('Merkel', 'PERSON'), ('in', 'O'), ('Berlin', 'LOCATION'), ('.', 'O')]
启动服务器:
java -Xmx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer \
-serverProperties StanfordCoreNLP-spanish.properties \
-preload tokenize,ssplit,pos,ner,parse \
-status_port 9003 -port 9003 -timeout 15000
在Python中:
>>> pos_tagger = CoreNLPParser('http://localhost:9003', tagtype='pos')
>>> pos_tagger.tag(u'Barack Obama salió con Michael Jackson .'.split())
[('Barack', 'PROPN'), ('Obama', 'PROPN'), ('salió', 'VERB'), ('con', 'ADP'), ('Michael', 'PROPN'), ('Jackson', 'PROPN'), ('.', 'PUNCT')]
>>> ner_tagger = CoreNLPParser('http://localhost:9003', tagtype='ner')
>>> ner_tagger.tag(u'Barack Obama salió con Michael Jackson .'.split())
[('Barack', 'PERSON'), ('Obama', 'PERSON'), ('salió', 'O'), ('con', 'O'), ('Michael', 'PERSON'), ('Jackson', 'PERSON'), ('.', 'O')]
list(parser.raw_parse(text))
或 list(parser.parse(parser.tokenize(text))
。更正了示例;)
斯坦福解析器有python接口
Stanford Core NLP软件页面包含python包装器列表:
如果我没记错的话,斯坦福解析器是一个Java库,因此您必须在服务器/计算机上运行Java解释器。
我曾经用它作为服务器,结合了php脚本。该脚本使用php的exec()函数对解析器进行命令行调用,如下所示:
<?php
exec( "java -cp /pathTo/stanford-parser.jar -mx100m edu.stanford.nlp.process.DocumentPreprocessor /pathTo/fileToParse > /pathTo/resultFile 2>/dev/null" );
?>
我不记得该命令的所有细节,它基本上打开了fileToParse,对其进行了解析,并将输出写入了resultFile中。然后,PHP将打开结果文件以供进一步使用。
该命令的末尾将解析器的详细信息定向为NULL,以防止不必要的命令行信息干扰脚本。
我对Python不太了解,但是也许可以进行命令行调用。
这可能不是您想要的确切路线,但希望它将给您一些启发。祝你好运。
请注意,此答案适用于NLTK v 3.0,不适用于更新的版本。
这是在windoze上与nltk3.0.0一起使用的danger98代码的改编版,可能还包括其他平台,请根据您的设置调整目录名称:
import os
from nltk.parse import stanford
os.environ['STANFORD_PARSER'] = 'd:/stanford-parser'
os.environ['STANFORD_MODELS'] = 'd:/stanford-parser'
os.environ['JAVAHOME'] = 'c:/Program Files/java/jre7/bin'
parser = stanford.StanfordParser(model_path="d:/stanford-grammars/englishPCFG.ser.gz")
sentences = parser.raw_parse_sents(("Hello, My name is Melroy.", "What is your name?"))
print sentences
请注意,解析命令已更改(请参见www.nltk.org/_modules/nltk/parse/stanford.html上的源代码),并且需要定义JAVAHOME变量。我试图让它在jar中原位读取语法文件,但到目前为止未能做到这一点。
您可以使用Stanford Parsers输出在nltk(nltk.tree.Tree)中创建树。
假设斯坦福解析器为您提供了一个文件,其中每个句子恰好有一棵解析树。然后,这个示例可以运行,尽管它看起来可能不太像pythonic:
f = open(sys.argv[1]+".output"+".30"+".stp", "r")
parse_trees_text=[]
tree = ""
for line in f:
if line.isspace():
parse_trees_text.append(tree)
tree = ""
elif "(. ...))" in line:
#print "YES"
tree = tree+')'
parse_trees_text.append(tree)
tree = ""
else:
tree = tree + line
parse_trees=[]
for t in parse_trees_text:
tree = nltk.Tree(t)
tree.__delitem__(len(tree)-1) #delete "(. .))" from tree (you don't need that)
s = traverse(tree)
parse_trees.append(tree)
请注意,此答案适用于NLTK v 3.0,不适用于更新的版本。
由于没有人真正提到过,这让我很烦恼,因此这是在python中使用斯坦福解析器的另一种方法:
stanford_parser_jar = '../lib/stanford-parser-full-2015-04-20/stanford-parser.jar'
stanford_model_jar = '../lib/stanford-parser-full-2015-04-20/stanford-parser-3.5.2-models.jar'
parser = StanfordParser(path_to_jar=stanford_parser_jar,
path_to_models_jar=stanford_model_jar)
这样,您就不必再担心路径问题了。
对于无法在Ubuntu上正确使用它或在Eclipse中运行代码的人。
我在Windows机器上,您可以像在命令中一样正常地运行解析器,就像在另一个目录中一样,因此您无需编辑lexparser.bat文件。只需全力以赴。
cmd = r'java -cp \Documents\stanford_nlp\stanford-parser-full-2015-01-30 edu.stanford.nlp.parser.lexparser.LexicalizedParser -outputFormat "typedDependencies" \Documents\stanford_nlp\stanford-parser-full-2015-01-30\stanford-parser-3.5.1-models\edu\stanford\nlp\models\lexparser\englishFactored.ser.gz stanfordtemp.txt'
parse_out = os.popen(cmd).readlines()
对我而言,最棘手的部分是实现如何从其他路径运行Java程序。一定有更好的方法,但这可行。
请注意,此答案适用于NLTK v 3.0,不适用于更新的版本。
关于anger89在NLTK和Python中使用Stanford Parser的全面答案的轻微更新(或只是替代)
使用stanford-parser-full-2015-04-20,JRE 1.8和nltk 3.0.4(python 2.7.6),您似乎不再需要从stanford-parser-xxx-models中提取englishPCFG.ser.gz .jar或设置任何os.environ
from nltk.parse.stanford import StanfordParser
english_parser = StanfordParser('path/stanford-parser.jar', 'path/stanford-parser-3.5.2-models.jar')
s = "The real voyage of discovery consists not in seeking new landscapes, but in having new eyes."
sentences = english_parser.raw_parse_sents((s,))
print sentences #only print <listiterator object> for this version
#draw the tree
for line in sentences:
for sentence in line:
sentence.draw()
请注意,此答案适用于NLTK v 3.0,不适用于更新的版本。
这是Windows版本的alvas的答案
sentences = ('. '.join(['this is sentence one without a period','this is another foo bar sentence '])+'.').encode('ascii',errors = 'ignore')
catpath =r"YOUR CURRENT FILE PATH"
f = open('stanfordtemp.txt','w')
f.write(sentences)
f.close()
parse_out = os.popen(catpath+r"\nlp_tools\stanford-parser-2010-08-20\lexparser.bat "+catpath+r"\stanfordtemp.txt").readlines()
bracketed_parse = " ".join( [i.strip() for i in parse_out if i.strip() if i.strip()[0] == "("] )
bracketed_parse = "\n(ROOT".join(bracketed_parse.split(" (ROOT")).split('\n')
aa = map(lambda x :ParentedTree.fromstring(x),bracketed_parse)
笔记:
在lexparser.bat
您需要将所有路径更改为绝对路径以避免诸如“找不到类”之类的Java错误
我强烈建议您在Windows下应用此方法,因为我在页面上尝试了几个答案,并且所有方法都无法将python与Java通信。
希望能在Windows上取得成功时收到您的来信,并希望您能告诉我如何克服所有这些问题。
在stanford coreNLP上搜索python包装器以获取python版本
我花了好几个小时,终于找到了适用于Windows用户的简单解决方案。基本上是alvas 现有答案的摘要版本,但对于斯坦福大学NLP的新手和Window用户来说,易于遵循(希望如此)。
1)下载您要使用的模块,例如NER,POS等。就我而言,我想使用NER,因此我从http://nlp.stanford.edu/software/stanford-ner-2015-下载了该模块04-20.zip
2)解压缩文件。
3)从解压缩的文件夹中设置环境变量(classpath和stanford_modules)。
import os
os.environ['CLASSPATH'] = "C:/Users/Downloads/stanford-ner-2015-04-20/stanford-ner.jar"
os.environ['STANFORD_MODELS'] = "C:/Users/Downloads/stanford-ner-2015-04-20/classifiers/"
4)设置JAVA的环境变量,就像安装JAVA一样。对我来说它在下面
os.environ['JAVAHOME'] = "C:/Program Files/Java/jdk1.8.0_102/bin/java.exe"
5)导入你想要的模块
from nltk.tag import StanfordNERTagger
6)调用解压缩文件夹中分类器文件夹中存在的预训练模型。最后添加“ .gz”作为文件扩展名。对我来说,我想使用的模型是english.all.3class.distsim.crf.ser
st = StanfordNERTagger('english.all.3class.distsim.crf.ser.gz')
7)现在执行解析器!我们完成了!
st.tag('Rami Eid is studying at Stony Brook University in NY'.split())
不建议使用以下答案,请针对NLTK v3.3及更高版本使用https://stackoverflow.com/a/51981566/610569上的解决方案。
注意:以下答案仅适用于:
由于这两种工具的更改都非常快,并且API可能会在3-6个月后看起来非常不同。请将以下答案视为暂时性解决方案,而不是永久解决方案。
有关如何使用NLTK连接斯坦福NLP工具的最新说明,请始终参阅https://github.com/nltk/nltk/wiki/Installing-Third-Party-Software!
以下代码来自https://github.com/nltk/nltk/pull/1735#issuecomment-306091826
在终端:
wget http://nlp.stanford.edu/software/stanford-corenlp-full-2016-10-31.zip
unzip stanford-corenlp-full-2016-10-31.zip && cd stanford-corenlp-full-2016-10-31
java -mx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer \
-preload tokenize,ssplit,pos,lemma,parse,depparse \
-status_port 9000 -port 9000 -timeout 15000
在Python中:
>>> from nltk.tag.stanford import CoreNLPPOSTagger, CoreNLPNERTagger
>>> from nltk.parse.corenlp import CoreNLPParser
>>> stpos, stner = CoreNLPPOSTagger(), CoreNLPNERTagger()
>>> stpos.tag('What is the airspeed of an unladen swallow ?'.split())
[(u'What', u'WP'), (u'is', u'VBZ'), (u'the', u'DT'), (u'airspeed', u'NN'), (u'of', u'IN'), (u'an', u'DT'), (u'unladen', u'JJ'), (u'swallow', u'VB'), (u'?', u'.')]
>>> stner.tag('Rami Eid is studying at Stony Brook University in NY'.split())
[(u'Rami', u'PERSON'), (u'Eid', u'PERSON'), (u'is', u'O'), (u'studying', u'O'), (u'at', u'O'), (u'Stony', u'ORGANIZATION'), (u'Brook', u'ORGANIZATION'), (u'University', u'ORGANIZATION'), (u'in', u'O'), (u'NY', u'O')]
>>> parser = CoreNLPParser(url='http://localhost:9000')
>>> next(
... parser.raw_parse('The quick brown fox jumps over the lazy dog.')
... ).pretty_print() # doctest: +NORMALIZE_WHITESPACE
ROOT
|
S
_______________|__________________________
| VP |
| _________|___ |
| | PP |
| | ________|___ |
NP | | NP |
____|__________ | | _______|____ |
DT JJ JJ NN VBZ IN DT JJ NN .
| | | | | | | | | |
The quick brown fox jumps over the lazy dog .
>>> (parse_fox, ), (parse_wolf, ) = parser.raw_parse_sents(
... [
... 'The quick brown fox jumps over the lazy dog.',
... 'The quick grey wolf jumps over the lazy fox.',
... ]
... )
>>> parse_fox.pretty_print() # doctest: +NORMALIZE_WHITESPACE
ROOT
|
S
_______________|__________________________
| VP |
| _________|___ |
| | PP |
| | ________|___ |
NP | | NP |
____|__________ | | _______|____ |
DT JJ JJ NN VBZ IN DT JJ NN .
| | | | | | | | | |
The quick brown fox jumps over the lazy dog .
>>> parse_wolf.pretty_print() # doctest: +NORMALIZE_WHITESPACE
ROOT
|
S
_______________|__________________________
| VP |
| _________|___ |
| | PP |
| | ________|___ |
NP | | NP |
____|_________ | | _______|____ |
DT JJ JJ NN VBZ IN DT JJ NN .
| | | | | | | | | |
The quick grey wolf jumps over the lazy fox .
>>> (parse_dog, ), (parse_friends, ) = parser.parse_sents(
... [
... "I 'm a dog".split(),
... "This is my friends ' cat ( the tabby )".split(),
... ]
... )
>>> parse_dog.pretty_print() # doctest: +NORMALIZE_WHITESPACE
ROOT
|
S
_______|____
| VP
| ________|___
NP | NP
| | ___|___
PRP VBP DT NN
| | | |
I 'm a dog
请查看http://www.nltk.org/_modules/nltk/parse/corenlp.html ,以获取有关Stanford API的更多信息。看看文档字符串!
请注意,此答案适用于NLTK v 3.0,不适用于更新的版本。
由于声誉,我不能就此发表评论,但是由于我花了一些时间(浪费了?)解决了这个问题,所以我宁愿分享我的问题/解决方案,以使该解析器可以在NLTK中使用。
在优秀 的alvas答案,要提到的是:
例如对于解析器,将没有模型目录。
这错误地导致我:
STANFORD_MODELS
(只关心我的CLASSPATH
)../path/tostanford-parser-full-2015-2012-09/models directory
*几乎为空*(或使用名称与nltk regex不匹配的jar文件)!如果OP像我一样只想使用解析器,则可能令人困惑,当不下载其他任何内容(没有POStagger,没有NER ...)并按照所有这些说明进行操作时,我们仍然会出错。
最终,对于任何CLASSPATH
给定的(下面的示例和解释,从该线程中得到答案),我仍然会收到错误消息:
NLTK无法找到stanford-parser-(\ d +)(。(\ d +))+-models.jar!设置CLASSPATH环境变量。有关更多信息,请在stanford-parser-(\ d +)(。(\ d +))+-models.jar上,
参见:http : //nlp.stanford.edu/software/lex-parser.shtml
要么:
NLTK无法找到stanford-parser.jar!设置CLASSPATH环境变量。有关更多信息,请访问stanford-parser.jar,请参阅:http : //nlp.stanford.edu/software/lex-parser.shtml
但是,重要的是,如果我在完全指定所有参数和路径的情况下调用函数,则可以正确加载和使用解析器,如下所示:
stanford_parser_jar = '../lib/stanford-parser-full-2015-04-20/stanford-parser.jar'
stanford_model_jar = '../lib/stanford-parser-full-2015-04-20/stanfor-parser-3.5.2-models.jar'
parser = StanfordParser(path_to_jar=stanford_parser_jar,
path_to_models_jar=stanford_model_jar)
因此,错误来自NLTK
以及如何使用提供的STANFORD_MODELS
和CLASSPATH
环境变量查找jar 。要解决此问题,必须*-models.jar
使用正确的格式(以匹配NLTK
代码中的正则表达式,因此-corenlp -.... jar)必须位于所指定的文件夹中STANFORD_MODELS
。
即,我首先创建:
mkdir stanford-parser-full-2015-12-09/models
然后加入.bashrc
:
export STANFORD_MODELS=/path/to/stanford-parser-full-2015-12-09/models
最后,通过复制stanford-parser-3.6.0-models.jar
(或相应的版本)到:
path/to/stanford-parser-full-2015-12-09/models/
我可以StanfordParser
使用CLASSPATH
指向的经典版本平稳地加载python stanford-parser.jar
。实际上,因此,您可以StanfordParser
不使用任何参数进行调用,默认设置将起作用。
我正在使用nltk版本3.2.4。以下代码对我有用。
from nltk.internals import find_jars_within_path
from nltk.tag import StanfordPOSTagger
from nltk import word_tokenize
# Alternatively to setting the CLASSPATH add the jar and model via their
path:
jar = '/home/ubuntu/stanford-postagger-full-2017-06-09/stanford-postagger.jar'
model = '/home/ubuntu/stanford-postagger-full-2017-06-09/models/english-left3words-distsim.tagger'
pos_tagger = StanfordPOSTagger(model, jar)
# Add other jars from Stanford directory
stanford_dir = pos_tagger._stanford_jar.rpartition('/')[0]
stanford_jars = find_jars_within_path(stanford_dir)
pos_tagger._stanford_jar = ':'.join(stanford_jars)
text = pos_tagger.tag(word_tokenize("Open app and play movie"))
print(text)
输出:
[('Open', 'VB'), ('app', 'NN'), ('and', 'CC'), ('play', 'VB'), ('movie', 'NN')]