實驗環境：Windows 7 / Python 3.6.1 / CoreNLP 3.7.0
一、下載 CoreNLP
在 Stanford NLP 官網 下載最新的模型文件：
-
CoreNLP 完整包 stanford-corenlp-full-2016-10-31.zip：下載后解壓到工作目錄。
-
中文模型stanford-chinese-corenlp-2016-10-31-models.jar：下載后復制到上述工作目錄。
二、安裝 stanza
stanza 是 Stanford CoreNLP 官方最新開發的 Python 接口。
根據 StanfordNLPHelp 在 stackoverflow 上的解釋，推薦 Python 用戶使用 stanza 而非 nltk 的接口。
If you want to use our tools in Python, I would recommend using the Stanford CoreNLP 3.7.0 server and making small server requests (or using the stanza library).
If you use nltk what I believe happens is Python just calls our Java code with subprocess and this can actually be very inefficient since distinct calls reload all of the models.
注意 stanza\setup.py 文件臨近結尾部分，有一行是
packages=['stanza', 'stanza.text', 'stanza.monitoring', 'stanza.util'],
這樣安裝后缺少模塊，需要手動修改為
packages=['stanza', 'stanza.text', 'stanza.monitoring', 'stanza.util', 'stanza.corenlp', 'stanza.ml', 'stanza.cluster', 'stanza.research'],
三、測試
在CoreNLP工作目錄中，打開cmd窗口，啟動服務器：
-
如果處理英文，輸入
java -mx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer -port 9000 -timeout 15000 -
如果處理中文，輸入
java -Xmx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer -serverProperties StanfordCoreNLP-chinese.properties -port 9000 -timeout 15000
注意stanford-chinese-corenlp-2016-10-31-models.jar應當位於工作目錄下。
可在瀏覽器中鍵入 http://localhost:9000/ 或 corenlp.run 進行直觀測試。
Python示例代碼：
from stanza.nlp.corenlp import CoreNLPClient
client = CoreNLPClient(server='http://localhost:9000', default_annotators=['ssplit', 'lemma', 'tokenize', 'pos', 'ner']) # 注意在以前的版本中，中文分詞為 segment，新版已經和其他語言統一為 tokenize
# 分詞和詞性標注測試
test1 = "深藍的天空中掛着一輪金黃的圓月，下面是海邊的沙地，都種着一望無際的碧綠的西瓜，其間有一個十一二歲的少年，項帶銀圈，手捏一柄鋼叉，向一匹猹盡力的刺去，那猹卻將身一扭，反從他的胯下逃走了。"
annotated = client.annotate(test1)
for sentence in annotated.sentences:
for token in sentence:
print(token.word, token.pos)
# 命名實體識別測試
test2 = "大概是物以希為貴罷。北京的白菜運往浙江，便用紅頭繩系住菜根，倒掛在水果店頭，尊為膠菜；福建野生着的蘆薈，一到北京就請進溫室，且美其名曰龍舌蘭。我到仙台也頗受了這樣的優待……"
annotated = client.annotate(test2)
for sentence in annotated.sentences:
for token in sentence:
if token.ner != 'O':
print(token.word, token.ner)