fugashi

fugashi

日语分词和形态分析的Cython高效解决方案

fugashi是一个基于MeCab的Cython包装器,为Python用户提供高效的日语分词和形态分析功能。它支持Linux、OSX和Windows平台,并推荐使用易于安装的UniDic词典。用户可以通过pip轻松安装fugashi及其词典,实现高效的日语文本处理。除了标准词典,fugashi还支持自定义词典,同时为研究人员提供引用支持,满足不同用户需求。

fugashiMeCab日本分词UniDic自然语言处理Github开源项目

项目介绍:fugashi

fugashi 是一个用于日语文本分析的工具,专门为 MeCab 提供了一个 Cython 封装。MeCab 是一个强大的日语分词和形态分析工具,广泛应用于自然语言处理。fugashi 的出现,为 Python 程序员利用 MeCab 的功能提供了便利。

支持的环境

fugashi 提供了 Linux、OSX(Intel)以及 Win64 的安装包,用户可以非常方便地在这些系统上使用。此外,UniDic 字典的安装也变得相对简单。

平台不支持情况

有些平台上没有为 fugashi 提供安装包,比如:

  • 基于 musl 的发行版,如 Alpine
  • PowerPC 处理器
  • 32 位 Windows 系统

在这些情况下,用户需要首先自行安装 MeCab。

用法

要使用 fugashi,首先需要导入 Tagger 类。以下是一个简单的示例:

from fugashi import Tagger tagger = Tagger('-Owakati') text = "麩菓子は、麩を主材料とした日本の菓子。" tagger.parse(text) # => '麩 菓子 は 、 麩 を 主材 料 と し た 日本 の 菓子 。' for word in tagger(text): print(word, word.feature.lemma, word.pos, sep='\t')

fugashi 通过 Tagger 对象进行文本解析,可以输出每个词的词形、词性等信息。

安装字典

使用 fugashi 需要安装一个词典,推荐使用 UniDic。以下是两种容易安装的版本:

  • unidic-lite:经过轻微修改的 Unidic 版本(2.1.2),体积较小
  • unidic:最新版的 UniDic(3.1.0),需要额外的下载步骤,磁盘占用为 770MB

可以通过以下命令来安装这些词典:

pip install 'fugashi[unidic-lite]' # 若安装完整版本的 UniDic,还需执行 pip install 'fugashi[unidic]' python -m unidic download

字典使用

fugashi 默认使用 Unidic 来处理日语文本,但也支持其他字典。假如使用其他字典,可以使用 GenericTagger

from fugashi import GenericTagger tagger = GenericTagger() tagger.parse('something')

引用

若在研究中使用 fugashi,推荐引用相关的论文:

@inproceedings{mccann-2020-fugashi, title = "fugashi, a Tool for Tokenizing {J}apanese in Python", author = "McCann, Paul", booktitle = "Proceedings of Second Workshop for NLP Open Source Software (NLP-OSS)", month = nov, year = "2020", address = "Online", publisher = "Association for Computational Linguistics", pages = "44--51" }

其他选择

如果在使用 fugashi 时遇到问题或者寻找其他替代方案,可以尝试:

  • SudachiPy:不需要安装 MeCab
  • pymecab-ko 或 KoNLPy:用于处理韩语

许可证信息

fugashi 遵循 MIT 许可证发布,而 MeCab 的二进制文件是通过 BSD 许可证重新分发的。fugashi 和 MeCab 的版权分别由 Taku Kudo 和日本电报电话公司拥有。

通过这些介绍,用户可以对 fugashi 的功能和用法有一个清晰的了解,并能轻松在项目中进行日语文本处理。

编辑推荐精选

蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

下拉加载更多