在 Python 中处理“词性”（Part-of-Speech, POS）标注，通常指的是将自然语言文本中的每个单词标记为其对应的语法类别（如名词、动词、形容词等）。
Python 本身没有内置的词性标注功能，但有几个非常流行且强大的第三方库可以实现这一功能,以下是主流方案及代码示例：
NLTK (Natural Language Toolkit)
NLTK 是 Python 中最经典的自然语言处理库,内置了多种预训练的词性标注器。
安装：
pip install nltk
代码示例：
import nltk
# 首次运行需要下载punkt 和 averaged_perceptron_tagger 模型
nltk.download('punkt')
nltk.download('averaged_perceptron_tagger')
# 如果处理中文，可能需要下载更复杂的模型或使用其他库，NLTK 对中文支持较弱
# 英文示例
text = "The cat sat on the mat."
tokens = nltk.word_tokenize(text)
pos_tags = nltk.pos_tag(tokens)
print(pos_tags)
# 输出: [('The', 'DT'), ('cat', 'NN'), ('sat', 'VBD'), ('on', 'IN'), ('the', 'DT'), ('mat', 'NN'), ('.', '.')]
常见标签含义：
NN: 名词 (Noun)VB: 动词 (Verb)JJ: 形容词 (Adjective)DT: 限定词 (Determiner)IN: 介词 (Preposition)
注意：NLTK 对中文支持非常有限,通常用于英文。
Jieba (结巴分词)
Jieba 是 Python 中最流行的中文分词库,它也支持简单的词性标注。
安装：
pip install jieba
代码示例：
import jieba.posseg as pseg
text = "我爱北京天安门"
words = pseg.cut(text)
for word, flag in words:
print(f"{word}: {flag}")
输出示例：
我: r (代词)
爱: v (动词)
北京: ns (地名)
天安门: ns (地名)常见中文标签：
n: 名词v: 动词a: 形容词d: 副词r: 代词ns: 地名nt: 机构名
优点：轻量级，适合中文，无需下载大型模型。
缺点：标注精度不如深度学习模型。
spaCy
spaCy 是一个工业级的 NLP 库，速度快、精度高，支持多种语言（包括中文）。
安装：
pip install spacy # 下载中文模型 python -m spacy download zh_core_web_sm
代码示例：
import spacy
# 加载中文模型
nlp = spacy.load("zh_core_web_sm")
text = "苹果公司发布了一款新手机"
doc = nlp(text)
for token in doc:
print(f"{token.text}: {token.pos_} ({token.tag_})")
输出示例：
苹果: NOUN (NN)
公司: NOUN (NN)
发布: VERB (VV)
了: AS (AS)
一款: NUM (CD)
新: ADJ (JJ)
手机: NOUN (NN)优点：速度快，API 简洁，支持大规模生产环境。
缺点：需要下载模型文件，中文模型精度略低于专用中文 NLP 库。
HanLP
HanLP 是一个专为中文设计的 NLP 库，功能强大,词性标注精度高。
安装：
pip install hanlp
代码示例：
import hanlp # 加载预训练模型 HanLP = hanlp.load(hanlp.pretrained.mtl.CLOSE_TOK_POS_NER_SRL_DEP_SDP_CON_ELECTRA_SMALL_ZH) text = "自然语言处理很有趣" result = HanLP(text) # 查看词性标注结果 print(result['word']) # 分词结果 print(result['postag']) # 词性标注结果
优点：中文处理效果极佳，支持多种任务（分词、词性、命名实体识别等）。
缺点：模型较大,依赖较重。
Transformers (Hugging Face)
对于需要最高精度的场景，可以使用基于 Transformer 的模型（如 BERT）进行词性标注。
安装：
pip install transformers torch
代码示例：
from transformers import pipeline
# 使用预训练模型进行序列标注（包括词性）
classifier = pipeline("ner", model="bert-base-chinese")
text = "小明去了北京"
result = classifier(text)
print(result)
# 注意：ner 管道主要输出实体，如需纯词性，建议使用专门的 POS 模型
提示：Hugging Face 上也有专门的 POS 标注模型，如
bert-base-chinese配合特定微调模型。
总结与建议
| 需求场景 | 推荐库 | 理由 |
|---|---|---|
| 中文处理（轻量级） | Jieba | 简单易用，无需大型模型，适合快速原型开发。 |
| 中文处理（高精度） | HanLP | 中文 NLP 领域权威，精度高，功能全面。 |
| 英文处理 | NLTK 或 spaCy | NLTK 适合学习，spaCy 适合生产环境。 |
| 多语言/生产环境 | spaCy | 速度快，API 友好，支持多种语言。 |
| 最高精度/研究 | Transformers | 基于深度学习，可微调，精度最高。 |
常见词性标签对照表（中文）
| 含义 | 示例 | |
|---|---|---|
n |
名词 | 书、电脑 |
v |
动词 | 跑、学习 |
a |
形容词 | 美丽、快速 |
d |
副词 | 非常、已经 |
r |
代词 | 我、它 |
p |
介词 | 在、从 |
c |
连词 | 和、但是 |
u |
助词 | 的、了 |
m |
数词 | 百 |
q |
量词 | 个、只 |
根据你的具体需求（语言、精度、性能）,选择合适的库即可。
首发原创文章，作者：世雄 - 原生数据库架构专家，如若转载，请注明出处：https://idctop.com/article/477880.html
