NLTK和Stanford NLP两个工具的安装配置

 

这里安装的是两个自然语言处理工具，nltk和stanford nlp。

声明：笔者操作系统是windows10，理论上windows都可以；

           版本号：nltk 3.2

                         stanford nlp 3.6.0

                         jdk 1.8

           重要文件在讲述过程中会以网盘链接给出，可随时下载。

注：笔者是通过anaconda安装的python，所以有关路径都与anaconda有关。 

 

一、 nltk的安装

1、检查python版本：nltk是python语言编写的，依托python来安装。当前通行的python版本是python3.5.2。笔者的python版本也是python3.5.2，为了防止不可预估的问题，建议大家都选择python3.5.2，日后再改也可以。

 

2、下载nltk安装文件，版本是nltk 3.2，网盘链接：https://pan.baidu.com/s/1fpxl36tgztrzmdq3pfxlcg
      下载后直接运行exe文件进行安装，会自动匹配到python安装路径，如果没有找到路径则说明nltk版本不正确，或者说python版本不正确。
3.  打开python编辑器，输入“import nltk”,再输入“nltk.download()”,下载nltk数据包，在下载界面选中book模块，这个模块包含了许多数据案例和内置函数。
     修改book下载目的路径建议如下：d:\developmenttools\anaconda3\nltk_data，也就是在anaconda下创建一个nltk_data的文件夹，将book下载目标路径放在此处即可，这样做便于管理和维护。如下如：

 

4、环境变量的配置：计算机→属性→高级系统设置→高级→环境变量-系统变量→path，在path中加入刚刚定的路径：d:\developmenttools\anaconda3\nltk_data
5、配置完成之后，打开python编辑器，输入from nltk.book import *，只要没有输出明显的错误，正确显示了相关信息，就表示nltk安装成功了，如下图：

 

 

 

二、stanford nlp工具的安装

1、版本检查：python版本依旧是python3.5.2，同时要确保安装的是java 8及以后版本（stanford nlp只支持java 8及以后的版本），也就是确定系统安装的jdk1.8及以上版本。笔者电脑安装的是jdk1.8.0_161。这里就不说jdk的安装了，自己百度下。    附上jdk1.8链接：https://pan.baidu.com/s/1rltriesuoecqvvshsns6aw

 

2、下载nltk-develop.zip，这个文件提供的nltk工具连接到stanford nlp工具的接口。网盘链接：

下载之后解压，然后把解压后的nltk-develop文件夹复制到python安装的主路径下，笔者是anaconda方式安装的python，所以就直接放在了anaconda3的主目录下，如下：

 

3、然后进入windows的cmd命令行

 

从命令进入到刚刚复制的路径下：d:\developmenttools\anaconda3\nltk-develop  ，然后输入python setup.py install，并执行  如下：

等待安装即可，由于笔者已经安装过了，就不展示安装后的信息了。

 

4、stanford nlp版本是3.6.0，所有文件可在网盘下载：https://pan.baidu.com/s/15y7gfy167cfljhvrurwmca

      笔者已经将所需的文件和jar包统一打包好了，下载下来的就是打包好的文件夹“stanfordnlp”，直接将此文件夹复制到anaconda3的目录下即可（理论上放到别的路径也可以，这个路径最终是要来设置环境变量，这里统一放在anaconda3目录下是为了更方便的统一管理和维护而已），如下：

 

 

 

5、下面就来开始设置刚刚“stanfordnlp”文件夹下各个文件的环境变量，环境变量都是在系统变量的classpath中来操作。

设置环境变量的目的是为了能随时快速的调用，设置环境变量之后，以后的所有调用都不需要传输绝对路径的参数了。

（1）stanfordsegmenter环境变量的设置

进入“stanfordnlp”文件夹，将stanford-segmenter.jar的绝对路径拷贝到classpath下，分别如下：

 

注意，每一个不同路径之间要用分号分隔。

 

 

（2）slf4j-api.jar加入classpath环境变量。slf4j-api.jar是stanford-segmenter-2015-12-09.zip解压后含有的文件。

同理，将“stanfordnlp”中的slf4j-api.jar的绝对路径加入到classpath中去，如下：

 

 

（3）stanfordpostagger环境变量的设置

同理，进入“stanfordnlp”文件夹，将stanford-postagger.jar文件的绝对路径添加到classpath中，如下：

 

（4）stanfordnertagger环境变量的设置

同理，进入“stanfordnlp”文件夹，将stanford-ner.jar文件的绝对路径添加到classpath中，如下：

 

（5）将classifiers文件夹也添加入classpath环境变量。classifiers文件夹是从stanford-ner-2015-12-09.zip解压后含有的文件夹，直接复制提取的

 

 

（6）将models文件夹添加入classpath环境变量。models文件夹是stanford-postagger-full-2015-12-09.zip解压后含有的文件夹。环境变量如下：

 

（7）stanfordparser环境变量的设置

同理，进入“stanfordnlp”文件夹，将stanford-parser.jar和stanford-parser-3.6.0-models.jar分别添加到classpath环境变量中去，分别如下：

 

 

 

（8）stanfordneuraldependencyparser环境变量的设置

同上，进入“stanfordnlp”文件夹，分别将stanford-corenlp-3.6.0.jar和stanford-corenlp-3.6.0-models.jar添加入classpath环境变量，分别如下：

 

 三、测试

由于stanford nlp工具安装最繁琐，也最容易出问题，于是特别展示对stanford nlp的测试，所有简短的代码都是在python编辑器中执行的，其它地方也可：

代码如下：

路径：相应路径是笔者前面安装所使用的路径，结合更改为自己电脑的实际路径。只要按照上述步骤将所有环境变量配置了，那么，在所有函数的调用中，函数参数就不用再输入绝对路径了，只需要直接输入相应的文件名即可，函数运行时自会在环境变量的路径下来找该文件，找不到的话就会报错的。

1、分词
（1）中文分词

from nltk.tokenize.stanford_segmenter import stanfordsegmenter
segmenter = stanfordsegmenter(
  path_to_sihan_corpora_dict="d:\developmenttools\anaconda3\stanfordnlp\data\",   path_to_model="d:\developmenttools\anaconda3\stanfordnlp\data\pku.gz",   path_to_dict="d:\developmenttools\anaconda3\stanfordnlp\data\dict-chris6.ser.gz")
str="我在博客园开了一个博客，我的博客名字叫钝学累功。"
result = segmenter.segment(str)

==>运行有错误，未解决

（2）英文分词

from nltk.tokenize import stanfordtokenizer
tokenizer=stanfordtokenizer()
sent="good muffins cost $3.88\nin new york. please buy me\ntwo of them.\nthanks."
print(tokenizer.tokenize(sent))

2、命名实体识别
（1）英文命名实体识别
from nltk.tag import stanfordnertagger
eng_tagger=stanfordnertagger(model_filename=r'd:\developmenttools\anaconda3\stanfordnlp\classifiers\english.all.3class.distsim.crf.ser.gz')
print(eng_tagger.tag('rami eid is studying at stony * university in ny'.split()))

（2）中文命名实体识别

略

3、词性标注
（1）英文词性标注
from nltk.tag import stanfordpostagger
eng_tagger=stanfordpostagger(model_filename=r'd:\developmenttools\anaconda3\stanfordnlp\models\english-bidirectional-distsim.tagger')
print(eng_tagger.tag('what is the airspeed of an unladen swallow ?'.split()))

（2）中文词性标注
from nltk.tag import stanfordpostagger
chi_tagger=stanfordpostagger(model_filename=r'chinese-distsim.tagger')
result="四川省 成都 信息 工程 大学 我 在 博客 园 开 了 一个 博客 ， 我 的 博客 名叫 钝学累功 。 \r\n"
print(chi_tagger.tag(result.split()))

4、句法分析
（1）英文句法分析
from nltk.parse.stanford import stanfordparser
eng_parser=stanfordparser()
print(list(eng_parser.parse("the quick brown for jumps over the lazy dog".split())))

（2）中文句法分析
from nltk.parse.stanford import stanfordparser
chi_parser=stanfordparser()
sent=u'北海 已 成为 中国 对外开放 中 升起 的 一 颗 明星'
print(list(chi_parser.parse(sent.split())))

 

5、依存句法分析
（1）英文依存句法分析
from nltk.parse.stanford import stanforddependencyparser
eng_parser=stanforddependencyparser()
res=list(eng_parser.parse("the quick brown fox jumps over the lazy dog".split()))
for row in res[0].triples():
    print(row)

（2）中文依存句法分析
from nltk.parse.stanford import stanforddependencyparser
chi_parser=stanforddependencyparser()
res=list(chi_parser.parse(u'四川 已 成为 中国 西部 对外开放 中 升起 的 一 颗 明星'.split()))
for row in res[0].triples():
     print(row)

 

 

 

总结，环境变量的设置总的来说是*的，但是要设置的便于自己识别和 维护，笔者只是提供了自己的设置方案。只要能正常运行上述测试代码，就表示stanford nlp和nltk安装成功了，之后开发可以结合两个工具一起使用。。。

 

参考链接：https://www.jianshu.com/p/4b3c7e7578e6