图灵汇官网

最近在项目中需要从文本中抽取结构化信息，我整理了一些GitHub上的工具包，后续会持续更新。这些工具包不仅功能强大，而且非常有趣，非常适合收集爱好者使用。如果你觉得这些工具对你有帮助，请不要吝啬分享和点赞，非常感谢！

这些工具包涵盖了多种内容，包括但不限于：

• 中英文敏感词检测
• 多语言识别
• 手机号码、电话归属地和运营商查询
• 名字性别推断
• 邮箱、手机号、身份证号码抽取
• 中日文人名库、中文缩写库、汉字拆字词典、词汇情感值、停用词、反动词表、暴恐词表、繁简体转换
• 英文模拟中文发音
• 汪峰歌词生成器
• 职业称号词库、同义词库、反义词库、否定词库、汽车品牌词库、汽车零件词库
• 连续英文切割、中文词向量、公司名称大全、古诗词库、IT词库、财经词库、成语词库、地名词库、历史名人词库、诗词词库、医学词库、饮食词库、法律词库、汽车词库、动物词库
• 中文聊天语料、中文谣言数据、百度中文问答数据集
• 文本生成与摘要工具、COCO-NLP信息抽取工具
• 国内电话号码正则匹配
• 清华大学XLORE跨语言百科知识图谱
• 清华大学人工智能技术系列报告
• 自然语言生成工具
• 自然语言处理难题系列
• 自动对联数据及机器人
• 用户名黑名单列表
• 法律术语及分类模型
• 微信公众号语料
• 深度学习自然语言处理课程
• 中文手写汉字识别
• 中文自然语言处理语料库
• 变量命名工具
• 分词语料库和代码
• 任务导向对话数据集
• ASR语音数据集和基于深度学习的中文语音识别系统
• 笑声检测器
• Microsoft多语言数字和日期识别包
• 中华新华字典数据库和API
• 文档图谱自动生成工具
• Spacy中文模型
• Common Voice语音识别数据集
• 神经网络关系抽取工具
• 基于BERT的命名实体识别工具
• 关键词抽取包
• 基于医疗知识图谱的问答系统
• 基于依存句法和语义角色标注的事情三元组抽取工具
• 依存句法分析数据集
• 中文OCR工具
• 中文人物关系知识图谱项目
• 中文NLP竞赛项目及代码汇总
• 中文字符数据
• 语音对齐工具
• 知识图谱表示学习库
• 文本可视化工具
• BERT和ERNIE语言表示工具
• 中英文自然语言处理对比综述
• 中文近义词工具包
• 自适应文本挖掘工具
• 多语言词对集工具包
• 语音识别语料生成工具

下面列举一些具体的工具示例：

1. textfilter：用于中英文敏感词过滤，例如： python from dfa_filter import DFAFilter f = DFAFilter() f.add("sexy") f.filter("hello sexy baby")

2. langid：一种多语言检测工具，例如： python import langid langid.classify("This is a test")

3. langdetect：另一种语言检测工具，例如： python from langdetect import detect detect("本篇博客主要介绍两款语言探测工具")

4. phone：中国手机号码归属地查询，例如： python from phone import Phone p = Phone() p.find(18100065143)

5. ngender：根据名字推断性别，例如： python import ngender ngender.guess('赵本山')

6. cocoNLP：一个强大的信息抽取工具，例如： python from cocoNLP.extractor import extractor ex = extractor() text = '急寻特朗普，男孩，于2018年11月27号11时在陕西省健康市汉滨区走失。丢失发型短发，...如有线索，请迅速与警方联络：18100065143，132-6156-2938，baizhantang@sina.com.cn 和yangyangfuture at gmail dot com' emails = ex.extract_email(text) cellphones = ex.extract_cellphone(text, nation='CHN')

以上只是部分工具示例，每个工具都有详细的文档和使用说明，可以进一步探索和使用。希望这些工具能帮助你更高效地处理文本数据。