#!/usr/mlddy/python3# -*- coding:utf-8 -*-"""@Author : heyw@Time : 2020/1/14 10:34@Software: PyCharm@File : stanford.py"""from stanfordcorenlp import StanfordCoreNLPfrom nltk.tree import Tree# 模型下载地址：https://nlp.stanford.edu/software/corenlp-backup-download.html# 笔者将模型放置于AIAPP目录下，并将模型文件夹改名为stanfordnlpnlp = StanfordCoreNLP(r'C:AIAPPstanfordnlp', lang='zh') # 英文使用 lang='en'sentence = "我爱北京天安门。"# 分词print("分词：", nlp.word_tokenize(sentence))# 词性标注print("词性标注：", nlp.pos_tag(sentence))# 依存分析print("依存分析：", nlp.dependency_parse(sentence))# 句法树解析print("句子解析：n", nlp.parse(sentence))# 生成节点关系列表tree = Tree.fromstring(nlp.parse(sentence))print("节点关系:",tree.productions())# 绘制句法树tree.draw() 分词： ['我爱', '北京', '天安门', '。']词性标注： [('我爱', 'VV'), ('北京', 'NR'), ('天安门', 'NR'), ('。', 'PU')]依存分析： [('ROOT', 0, 1), ('name', 3, 2), ('dobj', 1, 3), ('punct', 1, 4)]句子解析： (ROOT (IP (VP (VV 我爱) (NP (NR 北京) (NR 天安门))) (PU 。)))节点关系: [ROOT -> IP, IP -> VP PU, VP -> VV NP, VV -> '我爱', NP -> NR NR, NR -> '北京', NR -> '天安门', PU -> '。']