处理语言数据的工具。
corp的Python项目详细描述
安装
$ pip3 install corpy
设计仅支持最新版本的Python3（3.6+）。
科皮是什么？
对corpus；）来说也是一个花哨的复数，也是一个方便但不是特别的集合 处理语言数据的相互集成的工具。它抽象化了 教学和/或日常实践中经常需要的功能 在Czech National Corpus工作，没有抱负 成为一个功能齐全或一致的NLP框架
文档的简短url是：https://corpy.rtfd.io/
这里有一个你可以用corpy做什么的想法：
- 使用UDPipe或MorphoDiTa向原始文本数据添加语言注释
注意
我应该选择udpipe还是morphodita？
UDPipe是MorphoDiTa的继承者，在 原始代码库。它有更多的功能，但代价是 复杂：它同时做morphological tagging (including lemmatization) and syntactic parsing， 它处理许多不同的输入和输出格式。你也可以 下载pre-trained models用于 许多不同的语言。
相比之下，MorphoDiTa只有pre-trained models for Czech and English，并且只执行 morphological tagging (including lemmatization)。但是 输出更简单——它只是将文本拆分成标记，然后 注释它们，而udpipe可以（取决于模型）引入 为进行更明确的分析而需要的附加标记，添加多个单词 标记等。这是因为udpipe是根据语言类型定制的。 在UniversalDependencies项目中进行的分析，使用 CoNLL-U数据格式。
如果你只想标记文本而没有 可用的语言模型。
开发
依赖关系和构建文档
规范依赖性需求列在pyproject.toml和
冻结在poetry.lock中。但是，为了使用autodoc来构建api
docs，必须安装包，corpy具有以下依赖项
资源过于密集，无法建立在readthedocs上。
解决方案是使用一个伪setup.py，它只列出依赖项
需要正确地构建文档，并通过列出
它们在autodoc_mock_imports中，docs/conf.py中。这个伪setup.py是
用于仅在readthedocs上安装corpy（通过适当的配置
.readthedocs.yml中的选项。对于MANIFEST.in文件也是如此，
它复制pyproject.toml中的tool.poetry.include项
readthedocs的唯一好处。
欢迎加入QQ群-->： 979659372
