Stanford NLP下载
下载网址：https://stanfordnlp.github.io/CoreNLP/
要下载两个文件，一个是Stanford CoreNLP，一个是Chinese语言包（两个文件都挺大的，慢慢等吧）
Stanford NLP安装
1.下载安装jdk1.8
官网：https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html
下载对应版本即可
测试是否安装成功，在命令行输入命令“java -version”,显示jdk版本，如下：
2.安装配置stanford nlp与中文语言包
安装stanfordcorenlp
直接用pip命令安装，加上大清镜像，速度快无边～～跳舞
命令：
pip install stanfordcorenlp -i http://pypi.mirrors.ustc.edu.cn/simple/ --trusted-host pypi.mirrors.ustc.edu.cn
注意：这里如果报错：unable to execute 'gcc': No such file or directory
说明你的机器上没有安装gcc编译器。mac自带，但linux系统没有。用yum命令。
yum install gcc即可。
为了可视化安装nltk
最好再安装个nltk吧，跟解析没关系，主要是为了画图，让stanford parser的结果画成树，可视化。
安装命令：pip install nltk
然后运行python
import nltk
nltk.download()
下载一些nltk资源包。
配置中文解析
要parser中文，先把下载的Chinese.jar文件复制到/Users/***/stanford-corenlp-full-2018-10-05目录下。
3.运行
解析英文文本
代码如下：
from stanfordcorenlpimport StanfordCoreNLP
nlp = StanfordCoreNLP('/Users/***/stanford-corenlp-full-2018-10-05')
sentence ='Guangdong University of Foreign Studies is located in Guangzhou.'
print ('Tokenize:', nlp.word_tokenize(sentence))
print ('Part of Speech:', nlp.pos_tag(sentence))
print ('Named Entities:', nlp.ner(sentence))
print ('Constituency Parsing:', nlp.parse(sentence))#语法树
print ('Dependency Parsing:', nlp.dependency_parse(sentence))#依存句法
nlp.close()#释放，否则后端服务器将消耗大量内存
但是运行报错，文体出在了第二行：
PermissionError......AccessDenied，总之来说是权限问题，所以用sudo来运行这个python文件即可。
在命令行输入sudo python ***.py，得到结果如下：
解析中文文本
代码：
nlp = StanfordCoreNLP('/Users/wangwenhua/Downloads/stanford-corenlp-full-2018-10-05', lang='zh')#这里配置中文标示‘zh’
sentence ='清华大学位于北京。'
print(nlp.word_tokenize(sentence))
print(nlp.pos_tag(sentence))
print(nlp.ner(sentence))
print(nlp.parse(sentence))
print(nlp.dependency_parse(sentence))
结果：
中文parser比英文慢一点。
4.可视化
虽然解析出来了，但是我们想画成树的样子来看一下，这里就用到了nltk，提供的tree可视化包。
代码：
from stanfordcorenlpimport StanfordCoreNLP
from nltk.treeimport Tree
nlp = StanfordCoreNLP('/Users/wangwenhua/Downloads/stanford-corenlp-full-2018-10-05', lang='zh')
sentence ='清华大学位于北京。'
tree=Tree.fromstring(nlp.parse(sentence))
tree.draw()
运行截图：
接下来相对依存句法分析的结果进行一些后处理，都可以针对nltk.tree这个类进行操作。
print(tree.height())#树的高度
print(tree.leaves())#树的叶子结点
tree.productions()#生成与树的非终端节点对应的结果
如下：
[ROOT -> IP, IP -> NP VP PU, NP -> NR NN, NR -> '清华', NN -> '大学', VP -> VV NP, VV -> '位于', NP -> NR, NR -> '北京', PU -> '。']
更多API参考NLTK官网：http://www.nltk.org/_modules/nltk/tree.html