Python调用哈工大语言云（LTP）API进行自然语言处理

    哈工大语言云（语言技术平台云）是以哈工大社会计算与信息检索研究中心研发的“语言技术平台（LTP）” 为基础，提供高效精准的中文自然语言处理云服务。 

    官网：http://www.ltp-cloud/

    使用python调用API实验，参考文档：http://www.ltp-cloud/document/

1.注册：免费注册一个帐号

        注册网址：http://www.ltp-cloud/accounts/register/

        注册后获取调用语言云服务的token以及api_key（新版API的调用认证方式）。目前新注册用户将获得每月20G的免费流量。

2.Python程序（注：32位 python 2.7.11，64位win7系统）

（1）简单测试句子

# -*- coding: utf-8 -*-

"""
功能：哈工大语言云使用测试
时间：2016年4月9日 13:45:24
"""

import urllib2

url_get_base = "http://api.ltp-cloud/analysis/?"
api_key = '********替换为自己的API_KEY********’      # 输入注册API_KEY

# 待分析的文本
text = "这是一个测试文本"

format0 = 'xml'                                       # 结果格式，有xml、json、conll、plain（不可改成大写）
pattern = 'ws'                                        # 指定分析模式，有ws、pos、ner、dp、sdp、srl和all

result = urllib2.urlopen("%sapi_key=%s&text=%s&format=%s&pattern=%s"
                         % (url_get_base, api_key, text, format0, pattern))
content = result.read().strip()
print content

（2）本地文本处理

# -*- coding: utf-8 -*-

"""
功能：哈工大语言云使用测试
时间：2016年4月12日 19:56:11
"""

import urllib2
import codecs


def ltp_cloud(par1):
    url_get_base = "http://api.ltp-cloud/analysis/?"
    api_key = '***********替换为自己的API_KEY***********'   # 用户注册语言云服务后获得的认证标识
    format0 = 'plain'                                       # 结果格式，有xml、json、conll、plain（不可改成大写）
    pattern = 'ws'                                          # 指定分析模式，有ws、pos、ner、dp、sdp、srl和all
    result1 = urllib2.urlopen("%sapi_key=%s&text=%s&format=%s&pattern=%s"
                              % (url_get_base, api_key, par1, format0, pattern))
    return result1.read().strip()

f = open(r"C:\Users\lenovo\Desktop\test.txt", "r")                            # 待分析文本，已分句，每行一句。
savef = codecs.open(u"C:\\Users\\lenovo\\Desktop\\out1.txt", "a", "utf-8")    # 结果存储

linenum = 0
newline = ""
for line in f:
    linenum += 1                                     # 记录处理行数
    newline += line.strip().replace("#", "")         # 删除行末空白符、干扰符号，以免影响URI

    if line[-1] != "\n":                             # 如果处理到文本最后一行
        if " and " and " in " in newline:
            print u"需要更改单词in"
            newline = newline.replace(" in ", " i.n ")
        print u"已处理到文本最后一行：", linenum
        savef.write(ltp_cloud(newline).decode("utf-8") + "\n")

    if len(newline) > 6000:                          # 让文本足够长时再提交处理，最大值在8000左右
        if " and " and " in " in newline:            # 不能同时含有and和in两个词
            print u"需要更改单词in"
            newline = newline.replace(" in ", " i.n ")
        print u"处理到第" + str(linenum) + u"行"
        savef.write(ltp_cloud(newline).decode("utf-8") + "\n")
        newline = ""

savef.close()
f.close()

说明：

    [1]如果是本地文本，尽量一次提交尽可能多的文本，而不是一句一句提交，以提高请求效率。一次提交的文本有最大长度限制，在UTF-8编码下，单次解析的文本长度大约为2700个汉字（8100长度）。

    [2]提交的文本中不能有影响URI构造的特殊符号，目前已知的干扰符号有【# & ; +】四种；另外不知道为什么英文单词and和in不能同时存在于提交的文本中。

    [3]上述程序中读取的文本是已经分好句的，每行一句。不过语言云本身提供分句功能，因此可以直接提交没有分句的文本。其分句是根据中文标点符号【。？！；……】五种。