原文链接：https://blog.csdn.net/yangfengling1023/article/details/84559848

在线使用的网址：https://www.ltp-cloud.com/

github网址：https://github.com/HIT-SCIR/ltp

模型下载网址：http://ltp.ai/download.html

1、安装

我主要完成了python安装pyltp，但是在安装的过程中，需要安装VS，不同版本的python会对应不同的VS

python3.6 对应的VS2005  可以从下面的网盘进行下载：

链接：https://pan.baidu.com/s/19DwbVfe3JQYWA3oPCZQoPw 
提取码：u5lm 
python2.7.13 对应的VS可以从下面的网盘中进行下载：

链接：https://pan.baidu.com/s/1rd_9i4wy45FKeF2oYSPCbA 
提取码：qf38 

（1）python3.6安装过程

执行下面的安装步骤则完成了安装

$ git clone https://github.com/HIT-SCIR/pyltp
$ git submodule init 
$ git submodule update
$ python setup.py install

但此时安装的pyltp版本是0.2.1

（2）python2.7.13安装过程

按照上面的步骤，会出现下面的问题（本地的python版本默认的是python2.7.14）：

visual c++ for python\9.0\VC\Bin\amd64\cl.exe failed with exit status 2

解决方法：

把python2.7.14换成python2.7.13版本即可，且改成pip安装，具体的安装命令如下所示：
set STATICBUILD=true && pip install pyltp==0.1.9.1

此时安装的pyltp版本为0.1.9.1
 

2、使用

LTP提供的模型包括：（在ltp_data文件夹http://ltp.ai/download.html）
    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）

主要使用pyltp中的命名实体识别的功能，具体的代码如下所示：

 
 

   
   

    
    

   
   
   
   

    
    

     
     # -*- coding: utf-8 -*-
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     from pyltp 
     
     import SentenceSplitter
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     from pyltp 
     
     import Segmentor
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     from pyltp 
     
     import Postagger
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     from pyltp 
     
     import NamedEntityRecognizer
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     paragraph1 = 
     
     "张三来自中国"
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 分词
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     sengentor = Segmentor()
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     sengentor.load(
     
     "model/ltp_data_v3.4.0/cws.model")
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     words = sengentor.segment(paragraph1)
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     sengentor.release() 
     
     # 释放模型
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 词性标注
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     postagger = Postagger()
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     postagger.load(
     
     "model/ltp_data_v3.4.0/pos.model")
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     postags = postagger.postag(words)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     postagger.release() 
     
     # 释放模型
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     # 命名实体识别
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     recognizer = NamedEntityRecognizer()
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     recognizer.load(
     
     "model/ltp_data_v3.4.0/ner.model")
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     netags = recognizer.recognize(words, postags)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     result = 
     
     "|".join(netags).split(
     
     '|')
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     for i 
     
     in range(len(words)):
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     print words[i],postags[i],result[i]
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     recognizer.release() 
     
     # 释放模型
    
    
   
   
 
 

运行的结果如下图所示：