Python脚本数据命名实体识别用哪个库

本文目录导读：

1. spaCy（最推荐）
2. Stanford CoreNLP
3. HanLP
4. transformers (Hugging Face)
5. 选择建议：

对于Python中的命名实体识别（NER），推荐以下几个主流库：

spaCy（最推荐）

• 优点：速度快、使用简单、预训练模型效果好
• 安装：pip install spacy
• 使用示例：

  import spacy
  nlp = spacy.load("zh_core_web_sm")  # 中文模型
  doc = nlp("苹果公司在北京成立")
  for ent in doc.ents:
    print(ent.text, ent.label_)

Stanford CoreNLP

• 优点：学术界经典，多语言支持好
• 安装：pip install stanfordcorenlp
• 需要下载Java和模型文件

HanLP

• 优点：中文处理能力强，支持多种模型
• 安装：pip install hanlp
• 使用示例：

  import hanlp
  recognizer = hanlp.load(hanlp.pretrained.ner.MSRA_NER_ALBERT_BASE)
  print(recognizer(["苹果公司在1997年成立于北京"]))

transformers (Hugging Face)

• 优点：可以使用最新的预训练模型（BERT、RoBERTa等）
• 安装：pip install transformers
• 使用示例：

  from transformers import pipeline
  ner = pipeline("ner", model="bert-base-chinese")
  results = ner("苹果公司在北京成立")

选择建议：

• 快速上手：spaCy
• 中文NER：HanLP 或 spaCy（中文模型）
• 最新技术：transformers（Hugging Face）
• 生产环境：spaCy（性能最优）

如果主要做中文NER,建议先用spaCy或HanLP试试。