HanLP

环境要求

• Python 环境（README 通过 PyPI 分发 hanlp 包，可从 PyPI 安装）
• 已安装 PyTorch 或 TensorFlow 2.x 深度学习后端（README 说明 HanLP 基于二者构建）
• 能够正常访问 PyPI 与模型下载源的网络环境
• 预留足够磁盘空间存放预训练模型

安装与启动步骤

1. 1安装 hanlp 包

   README 标注了 PyPI 包 hanlp，用 pip 安装即可，建议在独立虚拟环境中执行，避免与已有依赖冲突。

   pip install hanlp

   复制

2. 2导入库并加载模型

   通过 hanlp.load 加载预训练多任务模型，模型标识用 README 中给出的常量，首次加载会下载模型文件。

   import hanlp
   
   HanLP = hanlp.load(hanlp.pretrained.mtl.UD_ONTONOTES_TOK_POS_LEM_FEA_NER_SRL_DEP_SDP_CON_XLMR_BASE)

   复制

3. 3执行多语种推理

   把文本列表直接传给加载好的模型对象即可，一次返回分词、词性、命名实体、依存等多个任务结果。

   print(HanLP(['In 2021, HanLPv2.1 delivers state-of-the-art multilingual NLP techniques to production environments.',
                '2021年、HanLPv2.1は次世代の最先端多言語NLP技術を本番環境に導入します。',
                '2021年 HanLPv2.1为生产环境带来次世代最先进的多语种NLP技术。']))

   复制

4. 4按语种换用单语模型

   README 指出处理英、中、日文时各语种单语模型效果明显优于多语种模型，可按需在文档模型列表中挑选替换。

关键配置

如何确认成功

运行示例代码后能打印出包含分词、词性、命名实体等多任务字段的结果，即表示模型加载与推理成功。

常见问题

注意事项

• README 未给出具体 Python 版本与 pip 安装命令，安装步骤由 PyPI 徽标推断，建议先建虚拟环境再安装。
• 首次加载预训练模型会触发下载，耗时与网络、磁盘空间有关。
• 多语种模型便于统一处理，但生产环境建议按语种选择单语模型。
• 更多模型列表、可视化与标注说明请查阅官方文档。