pip install pyltp

 pip install pyltp_binary-0.2.1.0-cp38-cp38-win_amd64.whl

1.  官方的下载模型文件，ltp_data并解压到任意位置（注意点：模型的路径最好不要有中文，不然模型加载不出），2. 解压后得到一个大于1G的文件夹，确保此文件夹名称为ltp_data，位置任意，但在Python程序中一定要指明这个路径。3. LTP提供的模型包括：（在ltp_data文件夹里面）cws.model         分句模型，单文件pos.model         词性标注模型，单文件ner.model         命名实体识别模型，单文件parser.model    依存句法分析模型，单文件srl_data/ 语义角色标注模型，多文件（文件夹srl）（注意：按照官网提示注：3.4.0 版本 SRL模型 pisrl.model 如在windows系统下不可用，可以到官网“此链接” 下载支持windows的语义角色标注模型。）     182,672,934 cws.model              260 md5.txt       22,091,814 ner.model      367,819,616 parser.model      196,372,381 pisrl.model     433,443,857 pos.model                6 version               7 个文件  1,202,400,868 字节               2 个目录 108,015,374,336 可用字节

from pyltp import SentenceSplittersents = SentenceSplitter.split('元芳你怎么看？我就趴窗口上看呗！')  # 分句print '\n'.join(sents)
结果如下
元芳你怎么看？我就趴窗口上看呗！

LTP_DATA_DIR =  './ltp_data_v3.4.0' # ltp模型目录的路径cws_model_path = os.path.join(LTP_DATA_DIR, 'cws.model')  # 分词模型路径，模型名称为`cws.model`segmentor = Segmentor()  # 初始化实例segmentor.load(cws_model_path)  # 加载模型words = segmentor.segment(word)  # 分词words_list = list(words)   #words_list列表保存着分词的结果segmentor.release()

Traceback (most recent call last):File “test.py”, line 11, insegmentor = Segmentor() # 初始化实例TypeError: init(): incompatible constructor arguments. The following argument types are supported:1. pyltp.Segmentor(model_path: str, lexicon_path: str = None, force_lexicon_path: str = None)

from pyltp import SegmentorLTP_DATA_DIR =  './ltp_data_v3.4.0' # ltp模型目录的路径cws_model_path = os.path.join(LTP_DATA_DIR, 'cws.model')  # 分词模型segmentor = Segmentor(cws_model_path)words = segmentor.segment("元芳你怎么看")print("|".join(words))segmentor.release()

import osfrom pyltp import SegmentorLTP_DATA_DIR='D:\LTP\ltp_data_v3.4.0'cws_model_path=os.path.join(LTP_DATA_DIR,'cws.model')segmentor=Segmentor()segmentor.load(cws_model_path)words=segmentor.segment('熊高雄你吃饭了吗')print(type(words))print('\t'.join(words))segmentor.release()
#结果展示：熊高雄  你  吃饭  了  吗

import osfrom pyltp import Segmentor#ltp模型目录的路径LTP_DATA_DIR='D:\LTP\ltp_data_v3.4.0' # 分词模型路径，模型名称为`cws.model`cws_model_path=os.path.join(LTP_DATA_DIR,'cws.model')
segmentor=Segmentor() #初始化实例#加载模型  第二个参数是您的外部词典文件路径segmentor.load_with_lexicon(cws_model_path,'lexicon')words=segmentor.segment('亚硝酸盐是一种化学物质')print('\t'.join(words))segmentor.release()

#代码运行结果：
亚硝酸盐  是  一  种  化学  物质

import osfrom pyltp import Postagger#ltp模型目录的路径LTP_DATA_DIR='D:\LTP\ltp_data_v3.4.0' # 词性标注模型路径，模型名称'pos.model'pos_model_path=os.path.join(LTP_DATA_DIR,'pos.model')
postagger=Postagger() #初始化实例#加载模型  postagger.load(pos_model_path)words=['元芳','你','怎么','看'] #分词结果postags=postagger.postag(words); #词性标注print('\t'.join(postags))postagger.release()  #释放模型

nh  r  r  v

import osfrom pyltp import NamedEntityRecognizer#ltp模型目录的路径LTP_DATA_DIR='D:\LTP\ltp_data_v3.4.0' # 命名实体识别模型路径，模型名称'ner.model'ner_model_path=os.path.join(LTP_DATA_DIR,'ner.model')
recognizer=NamedEntityRecognizer() #初始化实例#加载模型  recognizer.load(ner_model_path)words=['元芳','你','怎么','看'] #分词结果postags=['nh','r','r','v'] #词性标注结果netags=recognizer.recognize(words,postags)  #命名实体识别print('\t'.join(netags))recognizer.release()  #释放模型

S-Nh  O  O  O

import osfrom pyltp import Parser#ltp模型目录的路径LTP_DATA_DIR='D:\LTP\ltp_data_v3.4.0' # 依存句法分析模型路径，模型名称'parser.model'par_model_path=os.path.join(LTP_DATA_DIR,'parser.model')
parser=Parser() #初始化实例#加载模型  parser.load(par_model_path)words=['元芳','你','怎么','看'] #分词结果postags=['nh','r','r','v'] #词性标注结果arcs=parser.parse(words,postags) #句法分析print("\t".join("%d:%s" % (arc.head,arc.relation)for arc in arcs))parser.release()  #释放模型

4:SBV  4:SBV  4:ADV  0:HED

import osfrom pyltp import SementicRoleLabellerfrom pyltp import Parser#ltp模型目录的路径LTP_DATA_DIR='D:\LTP\ltp_data_v3.4.0' #依存句法分析模型路径，模型名称'parser.model'par_model_path=os.path.join(LTP_DATA_DIR,'parser.model') # 语义角色标注模型路径，模型名称'pisrl_win.model'srl_model_path=os.path.join(LTP_DATA_DIR,'pisrl_win.model')
#初始化实例parser=Parser()labeller=SementicRoleLabeller()#加载模型parser.load(par_model_path)labeller.load(srl_model_path)
words=['元芳','你','怎么','看']postags=['nh','r','r','v']#句法分析arcs=parser.parse(words,postags)#arcs使用依存句法的结果roles=labeller.label(words,postags,arcs)
#打印结果for role in roles:    print(role.index," ".join(["%s:(%d,%d)" % (arg.name,arg.range.start,arg.range.end)for arg in role.arguments]))labeller.release() #释放模

[dynet] random seed: 2834750376[dynet] allocating memory: 2000MB[dynet] memory allocation done.3 A0:(1,1) ADV:(2,2)

from sentence_parser import *import refrom collections import Counterfrom GraphShow import *from keywords_textrank import *
'''事件挖掘'''class CrimeMining:    def __init__(self):        self.textranker = TextRank()        self.parser = LtpParser()        self.ners = ['nh', 'ni', 'ns']        self.ner_dict = {        'nh':'人物',        'ni':'机构',        'ns':'地名'        }        self.graph_shower = GraphShow()
    '''移除括号内的信息，去除噪声'''    def remove_noisy(self, content):        p1 = re.compile(r'（[^）]*）')        p2 = re.compile(r'\([^\)]*\)')        return p2.sub('', p1.sub('', content))
    '''收集命名实体'''    def collect_ners(self, words, postags):        ners = []        for index, pos in enumerate(postags):            if pos in self.ners:                ners.append(words[index] + '/' + pos)        return ners
    '''对文章进行分句处理'''    def seg_content(self, content):        return [sentence for sentence in re.split(r'[？?！!。；;：:\n\r]', content) if sentence]
    '''对句子进行分词，词性标注处理'''    def process_sent(self, sent):        words, postags = self.parser.basic_process(sent)        return words, postags
    '''构建实体之间的共现关系'''    def collect_coexist(self, ner_sents, ners):        co_list = []        for sent in ner_sents:            words = [i[0] + '/' + i[1] for i in zip(sent[0], sent[1])]            co_ners = set(ners).intersection(set(words))            co_info = self.combination(list(co_ners))            co_list += co_info        if not co_list:            return []        return {i[0]:i[1] for i in Counter(co_list).most_common()}

from text_grapher import *content = 'xxxxxx请自己输入'handler = CrimeMining()handler.main(content8)

（原标题：中科院研究生遇害案：凶手系同乡学霸，老师同学已为死者发起捐款）
6月14日下午6点多，中科院信息工程研究所硕士研究生谢雕在饭馆招待自重庆远道而来的高中同学周凯旋时，被周凯旋用匕首杀害。随后，周凯旋被北京警方抓获。
周凯旋被抓后，他的家人向被警方递交了精神鉴定材料，称周凯旋患有精神性疾病。
谢雕的家人罗发明告诉南都记者，谢雕被害后，他的研究生老师和同学发起了捐款。并说，谢雕的遗体已经进行尸检，等尸检结果出来后，家人将会把火化后的骨灰带回老家安葬，之后，他们将等待北京检察机关的公诉。
高中同学千里赴京去杀人
今年25岁的谢雕生长于重庆垫江县的一个小山村，谢雕和周凯旋同在垫江中学读高中，两人学习成绩名列前茅，周凯旋经常考年级第一，两人都是垫江中学的优秀毕业生，谢雕考上了西安电子科技大学，周凯旋考取了四川大学。
微信图片_20180627174901_副本.jpg案发现场的行凶者周凯旋（受访者提供）。
学习优秀的周凯旋认为自己应该能考上北大清华等名校，于是在入读四川大学两三个月后，选择了退学复读。经过半年多的苦读，周凯旋以优异成绩考取了西安交通大学，来到了谢雕所在的城市，且是硕博连读。
但周凯旋因大学本科期间因沉迷游戏，考试不及格，最终失掉了硕博连读的机会，本科毕业后就回到重庆寻找就业机会。谢雕自西安电子科技大学毕业后，在2016年考取了中国科学院大学的硕士研究生，所读专业隶属于中科院信息工程研究所。
谢雕的家人告诉南都记者，6月14日下午6点，谢雕在西五环外的中科院信息工程研究所门口见到了久未见面的高中同学周凯旋。把他带到旁边的饭馆吃饭，两人还合影发到了高中同学微信群。这时，谢雕还没意识到周凯旋即将对他带来致命伤害。
南都记者在谢雕遇害现场视频中看到，在谢雕点菜时，周凯旋用匕首刺向他胸部，谢雕中刀站起后退时，周凯旋用匕首又刺向他颈部，谢雕倒地后，周凯旋又从背部向他连刺几刀。之后，又持刀割断了谢雕的颈部动脉。这时，有食客拿起椅子砸向正在行凶的周凯旋。刺死谢雕后，周凯旋举起双手挥舞，随后扬长而去。后来，周凯旋被北京警方抓获。
同学聚会时自己觉得受伤害起杀心
罗发明告诉南都记者，作为被害人家属，他们向北京警方了解到，凶案原因来自两年前的一场同学聚会，谢雕的一些话对周凯旋带来很大心理压力，让他不能释怀。
两年前的一次高中同学聚会中，大家聊的话题很多，也聊到了周凯旋喜欢打游戏的事情，谢雕说了一些激励周凯旋的话，让他不要再打游戏，要振作起来。在参与聚会的同学们看来，这些话是常理之中的，但在周凯旋看来，对他带来很大伤害，两年来给他带来很大心理压力。
参与那次聚会的同学后来回忆，在一起玩“狼人杀”游戏时，谢雕、周凯旋发生了争执，但不愉快的瞬间很快就过去了，大家也都没当回事。
那次聚会之后的春节，不少同学发现被周凯旋拉黑，中断了联系。直至一年之后，周凯旋才加入了高中同学微信群。
谢雕的家人说，周凯旋在网上购买了杀人凶器匕首，收货地址填写了北京，他在北京拿到网购的匕首后，才暗藏在身前来面见谢雕。
师生捐款助他家人渡难关
周凯旋被北京警方抓获后，他的家人向警方称周凯旋患有精神病，并提供了一些证明材料，希望得到从轻处置。
谢雕遇害后，他的学校为失去这么优秀的学生感到惋惜。谢雕的老师说，“谢雕家境并不富裕，本科尚有2.5万助学贷款未偿还，前不久还向同学借款1万，父亲也患有鼻咽癌。”
谢雕的老师和同学发起了捐款，希望能帮助谢雕的家人暂时渡过难关。
谢雕的家人告诉南都记者，他们向谢雕的学校提出要求，希望案件能尽快解决。
罗发明对南都记者说，谢雕的遗体已经进行尸检，尸检后十天至十五天出来结果，等拿到尸检报告后，他们会尽快火化谢雕的遗体，把他的骨灰带回重庆老家安葬。
对于这一案件，谢雕的家人告诉南都记者，他们将等待北京的检察机关提起公诉。

正义网镇江9月5日电(通讯员喻瑶 杜希)通过网络二手平台发布虚假信息,利用低廉的价格吸引购买者,诱骗买家先付定金、再付全款,先后诈骗作案11起,涉案金额28200元。2017年7月27日,江苏省句容市人民检察院依法对王明、王晓明两人以涉嫌诈骗罪批准逮捕。　　妻子患病缺钱治,心思一动起歪念　　王明和王晓明系父子关系。 2016年2月,王明的妻子胡晓梅患上重病,前期到医院治疗已经花费了十几万元医疗费用,后期治疗更是个“无底洞”,因为家庭生活困难,夫妻二人就动起了诈骗赚钱的歪念。　　2016年底,王明在湖南娄底路边买了11张外地的手机卡用于联络,又购买了9张通过别人名字的办理的银行卡用于收款,准备好作案工具后,妻子胡晓梅就开始在58同城这些二手交易平台上注册账号,发布各种便宜的虚假二手信息,一切准备就绪,他们静待“猎物”上钩。　　先后作案11起 先骗定金再骗全款　　因为胡晓梅在平台上发布的二手信息价格很低,货品质量看起来也不错,所以很快就有“顾客”上门,2017年1月11日,王明接到一个句容宝华人的电话,有意购买他在网络平台上发布的一辆价值3200元的二手车,为了迅速达成交易,王明伪装成卖车老板和买家开始谈价格,价格谈拢后,王明提出要先付定金,再送货上门的要求。当日,王明顺利骗到了100元定金。　　第二天,王明按照初次双方谈好的送货地址,让自己的儿子王晓明假装成送货人,向被害人打电话,谎称把交易的货物运到了句容市某地,声称自己开的车是“黑车”,直接进行现金交易不太安全,让被害人张某把剩下的购车款打过来,先付钱再拿车,被害人张某立即通过某银行ATM机向王晓明支付了剩余的3100元。王晓明又开始索要其他费用,这时被害人张某已经觉察到了不对劲,不肯再付钱,王晓明就把号码拉黑,不再联系。　　轻松到手的钱财,进一步引发了父子两人的贪欲。很快,王明的儿子王晓明就不再打工,而是加入父母,全家一起做专职诈骗的“买卖”。随着诈骗次数的增加,他们的诈骗手法也从单纯的收取定金和购车款发展出索要上牌费、安全保证金等多种形式。　　一家人分工协作,王明负责伪装老板和取钱,王晓明假装送货,胡晓梅发布信息。2017年初至今,王明一家人共诈骗作案11起,涉案金额28200元。　　受害人报警,父子两人终落法网　　2017年4月3日,句容市公安局接到了被害人梁某某等人的报警电话,经过公安机关介入侦查,犯罪嫌疑人王明、王晓明于2017年6月6日被抓获归案。2017年7月21日,在句容市检察院检察官在依法对犯罪嫌疑人王明等人讯问过程中,王明在得知自己和儿子因触犯法律而将面临牢狱之灾时,后悔不已。　　“近年来,检察机关在依法查办的多起诈骗案中发现,不法分子利用可乘之机,以多种方式实施不同的诈骗,作案手段多样化,让广大市民深受其害。检察机关将依法履行职能,对此类诈骗犯罪坚决打击,实现从快从速逮捕和审查起诉,同时检察官提醒广大市民,遇到不法侵害要及时报警。”承办检察官说。