一、准备
安装 pip install stanfordcorenlp
下载Standard的CoreNLP包，解压至python的Tools目录下，处理中文还需要下载中文的模型jar文件，然后放到stanford-corenlp-full-2018-02-27根目录下即可（注意一定要下载这个文件，否则它默认是按英文来处理的）。
二、使用
代码：
from stanfordcorenlp import StanfordCoreNLP
nlp = StanfordCoreNLP(r'D:\Python\Python37\Tools\stanford_NLP', lang='zh')
sente='配置好数据库之后，可以根据django来生成默认的数据表。'
nlp.word_tokenize(sente)
效果演示：
三、NLP功能
1.中文分词：nlp.word_tokenize(sente)
2.词性标记：nlp.pos_tag(sente)
3.语法解析：nlp.parse(sente)
4.语法关系解析：nlp.dependency_parse(sente)
四、词性学习
| 标记 | 含义 | 示例 |
| VA | 谓词性形容词 | |
| VC | 系动词 | 是、为等 |
| VE | “有”作为主要动词 | 只有当“有，没{有}”和“无”作为主要动词时（包括占有的“有”和表存在的“有”等等），被标注为VE |
| VV | 其他动词 | ('生成', 'VV'), ('默认', 'VV'),如情态动词，提升谓词（如“可能”），控制动词（如“要”、“想”），行为动词（如“走”），心理动词（如“喜欢”、“了解”、“怨恨”），等等 |
| NR | 专有名词 | 专有名词是名词的子集。一个专有名词可以是一个特定的人名，政治或地理上定义的地方（城市、国家、河流、山脉等），或者是一种组织（企业、政府或其他组织实体）。一个专有名词通常是独一无二，并且不能被Det+M所修饰的。 |
| NT | 时间名词 | 时间名词可以是介词的宾语，譬如在、从、到、等到。它们可以被问及，如“这个时候”，也可以被用以提问“什么时候”。它们也可以直接修饰VP（动词短语）或者S（主语）。像其他名词一样，时间名词可以是某些动词的论元。例子：一月、汉朝、当今、何时、今后 |
| NN | 其他名词 | ('头发', 'NN')、('数据库', 'NN') |
| LC | 方位词 | ·这类方位词表示方向、位置等。它们来自名词。一些可以单独使用作为介词或动词的论元。一些可以被“最”修饰。它们不能被Det+M所修饰。 ('为止', 'LC') |
| PN | 代词 |
代词包括人称代词（如我、你），当作为名词短语单独使用时为指示代词（如这、那），所有格代名词（如其）以及反身代词（如我自己、自己）。 |
| DT | 限定词 | 限定词包括指示词（如这、那、该）和诸如“每、各、前、后”等词。限定词不包括基数词和序列词。 |
| CD | 基数词 | 包括基数词并随意与一些概数词连用，如“来、多、好几”和诸如“好些、若干、半、许多、很多（如很多 学生）”等词 |
| OD | 序列词 |
序列词被标注为OD。我们把第+CD看做一个词，并标注它为OD。 例子：第一百。 |
| M | 度量词 | 度量词跟在数字后形成Det+M结构修饰名词或动词，包括类词（如“个”），表示一群的度量词，如“群”，以及公里、升等度量词。 |
| AD | 副词 |
副词包括情态副词、频率副词、程度副词、连接副词等，大部分副词的功能是修饰动词短语或主语。 如：仍然、很、最、大大、又、约 |
| P | 介词 | 介词可以把名词短语或从句作为论元。 |
| CC，CS | 并列连接词、从属连词 |
与、和、或、或者、还是（or） 从属连词连接两个句子，一个句子从属于另一个，这样的连词标记为CS。CS模式是：CS S1，S2和S2 CS，S1。 如：如果/CS，……就/AD…… |
| IJ | 感叹词 | 出现在句首位置的感叹词，如：啊 |
| ON | 拟声词 |
① 修饰“ON地V”中的VP：雨哗哗[ON]地[DEV]下了[AS]一夜 ② 修饰“ON中的N”中的NP：砰[ON]的/DEG一声！ ③ 自行成句：砰砰[ON]！ ④ 一般不能被副词修饰，如：哗啦啦，咯吱。 |