一、準備
安裝 pip install stanfordcorenlp
下載Standard的CoreNLP包，解壓至python的Tools目錄下，處理中文還需要下載中文的模型jar文件，然後放到stanford-corenlp-full-2018-02-27根目錄下即可（注意一定要下載這個文件，否則它默認是按英文來處理的）。
二、使用
代碼：
from stanfordcorenlp import StanfordCoreNLP
nlp = StanfordCoreNLP(r'D:\Python\Python37\Tools\stanford_NLP', lang='zh')
sente='配置好數據庫之後，可以根據django來生成默認的數據表。'
nlp.word_tokenize(sente)
效果演示：
三、NLP功能
1.中文分詞：nlp.word_tokenize(sente)
2.詞性標記：nlp.pos_tag(sente)
3.語法解析：nlp.parse(sente)
4.語法關係解析：nlp.dependency_parse(sente)
四、詞性學習
| 標記 | 含義 | 示例 |
| VA | 謂詞性形容詞 | |
| VC | 系動詞 | 是、爲等 |
| VE | “有”作爲主要動詞 | 只有當“有，沒{有}”和“無”作爲主要動詞時（包括佔有的“有”和表存在的“有”等等），被標註爲VE |
| VV | 其他動詞 | ('生成', 'VV'), ('默認', 'VV'),如情態動詞，提升謂詞（如“可能”），控制動詞（如“要”、“想”），行爲動詞（如“走”），心理動詞（如“喜歡”、“瞭解”、“怨恨”），等等 |
| NR | 專有名詞 | 專有名詞是名詞的子集。一個專有名詞可以是一個特定的人名，政治或地理上定義的地方（城市、國家、河流、山脈等），或者是一種組織（企業、政府或其他組織實體）。一個專有名詞通常是獨一無二，並且不能被Det+M所修飾的。 |
| NT | 時間名詞 | 時間名詞可以是介詞的賓語，譬如在、從、到、等到。它們可以被問及，如“這個時候”，也可以被用以提問“什麼時候”。它們也可以直接修飾VP（動詞短語）或者S（主語）。像其他名詞一樣，時間名詞可以是某些動詞的論元。例子：一月、漢朝、當今、何時、今後 |
| NN | 其他名詞 | ('頭髮', 'NN')、('數據庫', 'NN') |
| LC | 方位詞 | ·這類方位詞表示方向、位置等。它們來自名詞。一些可以單獨使用作爲介詞或動詞的論元。一些可以被“最”修飾。它們不能被Det+M所修飾。 ('爲止', 'LC') |
| PN | 代詞 |
代詞包括人稱代詞（如我、你），當作爲名詞短語單獨使用時爲指示代詞（如這、那），所有格代名詞（如其）以及反身代詞（如我自己、自己）。 |
| DT | 限定詞 | 限定詞包括指示詞（如這、那、該）和諸如“每、各、前、後”等詞。限定詞不包括基數詞和序列詞。 |
| CD | 基數詞 | 包括基數詞並隨意與一些概數詞連用，如“來、多、好幾”和諸如“好些、若干、半、許多、很多（如很多 學生）”等詞 |
| OD | 序列詞 |
序列詞被標註爲OD。我們把第+CD看做一個詞，並標註它爲OD。 例子：第一百。 |
| M | 度量詞 | 度量詞跟在數字後形成Det+M結構修飾名詞或動詞，包括類詞（如“個”），表示一羣的度量詞，如“羣”，以及公里、升等度量詞。 |
| AD | 副詞 |
副詞包括情態副詞、頻率副詞、程度副詞、連接副詞等，大部分副詞的功能是修飾動詞短語或主語。 如：仍然、很、最、大大、又、約 |
| P | 介詞 | 介詞可以把名詞短語或從句作爲論元。 |
| CC，CS | 並列連接詞、從屬連詞 |
與、和、或、或者、還是（or） 從屬連詞連接兩個句子，一個句子從屬於另一個，這樣的連詞標記爲CS。CS模式是：CS S1，S2和S2 CS，S1。 如：如果/CS，……就/AD…… |
| IJ | 感嘆詞 | 出現在句首位置的感嘆詞，如：啊 |
| ON | 擬聲詞 |
① 修飾“ON地V”中的VP：雨嘩嘩[ON]地[DEV]下了[AS]一夜 ② 修飾“ON中的N”中的NP：砰[ON]的/DEG一聲！ ③ 自行成句：砰砰[ON]！ ④ 一般不能被副詞修飾，如：嘩啦啦，咯吱。 |