NLPIR(ICTCLAS2013) Python版

在国内研究自然语言处理的人大概都知道ICTCLAS分词系统的大名。该系统是由张华平博士开发的基于层叠隐性马可夫链的分词系统,在中文分词领域具有领先的优势。今年一月张华平博士已经放出了最新的ICTCLAS2013分词系统,并更名为NLPIR,加入了新词发现,微博分词等功能。

在官方网站上,提供了C,Java,C#等语言的绑定。本文将介绍把最新的NLPIR分词系统与Python绑定的方法。

首先下载swig,swig可以帮助我们将C或者C++编写的DLL或者SO文件绑定到包括Python在内的多种语言。Windows下将安装包下载到一定目录下将该目录加入环境变量的path中即可使用swig(当然也可以输入完整的路径来使用swig)。可以打开命令行窗口,在里面输入swig,如果出现“Must specify an input file. Use -help for available options.”则表示一切顺利。

下面通过swig来讲NLPIR系统封装成Python的扩展。新建一个空白的目录,取名为nlpirpy_ext。首先要写的是swig的接口文件,可以参考swig文档的写法,下面就简单介绍一下:

[code]
%module NLPIR
%{
#define SWIG_FILE_WITH_INIT
#include "NLPIR.h"
%}
/*封装所有头文件中的api*/
#define POS_MAP_NUMBER 4
#define ICT_POS_MAP_FIRST 1
#define ICT_POS_MAP_SECOND 0
#define PKU_POS_MAP_SECOND 2
#define PKU_POS_MAP_FIRST 3
#define POS_SIZE 40
#define GBK_CODE 0
#define UTF8_CODE GBK_CODE+1
#define BIG5_CODE GBK_CODE+2
#define GBK_FANTI_CODE GBK_CODE+3
bool NLPIR_Init(const char * sDataPath=0,int encode=GBK_CODE);
bool NLPIR_Exit();
const char * NLPIR_ParagraphProcess(const char *sParagraph,int bPOStagged=1);
const result_t * NLPIR_ParagraphProcessA(const char *sParagraph,int *pResultCount,bool bUserDict=true);
int NLPIR_GetParagraphProcessAWordCount(const char *sParagraph);
void NLPIR_ParagraphProcessAW(int nCount,result_t * result);
double NLPIR_FileProcess(const char *sSourceFilename,const char *sResultFilename,int bPOStagged=1);
unsigned int NLPIR_ImportUserDict(const char *sFilename);
int NLPIR_AddUserWord(const char *sWord);//add by qp 2008.11.10
int NLPIR_SaveTheUsrDic();
int NLPIR_DelUsrWord(const char *sWord);
double NLPIR_GetUniProb(const char *sWord);
bool NLPIR_IsWord(const char *sWord);
const char * NLPIR_GetKeyWords(const char *sLine,int nMaxKeyLimit=50,bool bWeightOut=false);
const char * NLPIR_GetFileKeyWords(const char *sFilename,int nMaxKeyLimit=50,bool bWeightOut=false);
const char * NLPIR_GetNewWords(const char *sLine,int nMaxKeyLimit=50,bool bWeightOut=false);
const char * NLPIR_GetFileNewWords(const char *sFilename,int nMaxKeyLimit=50,bool bWeightOut=false);
unsigned long NLPIR_FingerPrint(const char *sLine);
int NLPIR_SetPOSmap(int nPOSmap);
bool NLPIR_NWI_Start();//New Word Indentification Start
int NLPIR_NWI_AddFile(const char *sFilename);
bool NLPIR_NWI_AddMem(const char *sText);
bool NLPIR_NWI_Complete();
const char * NLPIR_NWI_GetResult(bool bWeightOut=false);
unsigned int NLPIR_NWI_Result2UserDict();
[/code]

%module 后面跟的是模块名,也就是Python中import后跟名字。

%{
%}中的是放头文件的地方(所以说用swig做封装的话,至少得有头文件。)

其中“#define SWIG_FILE_WITH_INIT”是说封装成扩展的时候包含python的__init__.py的内容。”#include “NLPIR.h””大家懂的。

接下来那一堆#define也就是从头文件中复制出来的,这样在封装之后这些define的内容直接可以再模块中使用。

再接下来的函数声明就是要从C文件中导出的接口了。

下面再写一个setup.bat文件,将swig和扩展接口的工作统一起来:

[code]
swig -c++ -python NLPIR.i
python setup.py build_ext –inplace
echo "Build Complete!"
pause
[/code]

第一行就是swig的命令。-c++是说扩展的是C++编写的库, -python当然是说扩展为Python,NLPIR.i就是刚才写的接口文件

第二行我不懂……这是照别人写的,Python刚入门,对这些都还不太熟悉。包括接下来setup.py里面的内容也不太懂,都是依样画葫芦。大家可以参看以下这方面的教程。

[python]
”’
setup.py file for NLPIR
”’
from distutils.core import setup, Extension

NLPIR_module = Extension(‘_NLPIR’,sources=[‘NLPIR_wrap.cxx’], libraries = [‘NLPIR’])
setup(name = ‘NLPIR’,
version = ‘1.0’,
author = ‘SWIG Docs’,
description = ‘pyd for NLPIR’,
ext_modules = [NLPIR_module],
py_modules = [‘NLPIR’],
)
[/python]

要注意的两点是,第一是Extension的第一个参数前一定要有个”_”这是swig的规定,souces里面的cxx代表的就是c++文件。是第一步swig自动生成的文件。

接下来在目录里放置一个空白的__init__.py文件。为的是这个扩展可以直接放到python的目录中取。

最后,讲下载好的NLPIR文件夹中的NLPIR.dll,NLPIR.h,NLPIR.lib,Data文件夹放到和刚才同样的目录下。运行setup.bat

我就是在这里遇到了很大的问题的:我的是64位的win7系统,装的是64位的Python2.7.3。首先,在运行bat文件后,第一步能成功,在第二步的时候,首先Python会去查找VS2008的编译器,因为windows Python2.7.3本身就是VS2008编译的,但我恰恰装的是VS2012Express,所以查找失败。爆出:“Unable to find vcvarsall.bat”的错误,几经周折,发现如下解决方法:直接更改C:/Python32/Lib/distutils/msvc9compiler.py文件。。。然后失败了。。然后找到了改环境变量的方法:添加”VS90COMNTOOLS”指向VS2012的环境,例如C:\Program Files\Microsoft Visual Studio 10.0\Common7\Tools\。

到此时好像更进一步了,但是又遇到了新的问题:不是正确的win32文件。然后我发现问题出在Express版本的编译器不能编译64位文件……要么安装一个1.4G的windows的东西,要么换成32位版本的python……我表示败了,还是换32版本python吧,两个版本并存好了。

重新安装python32位版,更改环境变量指向新的Python,搞定。

上述工作完成后,将文件夹拷到python安装目录下的lib\site-packages目录下,就可以直接使用该扩展了。

下面是一个文中所提到的源代码的打包下载,一个是只含上述源代码的:nlpirpy_ext原始版.7z。另一个已经通过swig封装过了,目前只支持windows python2.7.3 32位版。其他环境需要自己封装或者测试,还带有一个小的Seg.py,是进一步封装的分词器类:NLPIRPY_EXT_built版.7z

本文就到这里了,欢迎指正:

参考文献:

21 评论

      1. 真赞,在64位win7直接用你提供的压缩包就可以用了. 想请问一下,如果我是window xp 的系统(也就是32bit)的系统, 那么是否直接用nlpir官网上的win32版本的dll取代您压缩包里的dll, 就可以在winXP里运行了啊?

  1. 零天你好,我按照你的方法进行了扩展。现在在python的IDLE中已经可以进行API的调用了,就是类似于NPLIR.NPLIR_Init()的方法。但是print(NPLIR.NPLIR_Init())总是显示false,请问你知道是什么情况吗?帮帮忙,造福人类呀~~~~

  2. import NLPIRprint(NLPIR.NLPIR_Init())最简单的两句,就打印出false来。之前没学过python,帮别人写程序,希望帮帮忙呀~

  3. 我在运行setup.bat时,出现了如下的错误:C:python27includepyconfig.h<227>:fatal error C1083:无法打开包括文件:“basetsd.h”:No such file or directory erroe :command ‘”C:Program FilesMicrosoft Visual Studio 9.0VCBINcl.exe”‘failed with exit status 2.不知道该如何解决,帮帮忙吧

发表评论

电子邮件地址不会被公开。 必填项已用*标注