JioNLP

收录理由

做中文文本处理的开发者，大概都经历过在每个项目里反复重写清洗代码的滋味。JioNLP 把这些零碎的活儿收拢到了一起：从原始文本里剥掉 HTML 和网址这类噪音，把中文时间表达解析成具体的时间戳和时长，还能抽取金额、电话号码、身份证号和地址。其中时间解析和地址、身份证抽取是最能派上用场的部分，中文日期和行政区划的边界情况多得让人头疼，从头实现要费不少周折。这个库还支持简繁转换、生成拼音，以及回译和同音替换等数据增强手段，需要扩充训练样本时能用上。安装就是普通的 Python 包，不依赖重型模型，放进现有的 NLP 流程里不会添乱。