中文人名识别属于命名实体识别的范畴，解决问题的思路很多，但是在实际的应用过程中各种库做的参差不齐，下面是3个开源库的使用方法与效果展示：
在我的项目中，需要做的是在一个几乎没有逻辑可言的句子里识别人名，因此命名实体识别的效果很差，使用词法分析来提取人名，然后依据业务逻辑删减。因此越依赖上下文的方法，越会有问题，整体的效果是：智能云词法分析>LTP>LAC>自然语言处理词法分析>hanlp
其中：
LTP中规中矩LAC提取的量最少，但是只要提取出来，几乎是正确的hanlp提取出来的量是最多的，但是一多半不是人名。
（这和下面的示例结果相反，很神奇)
示例
from LAC import LAC
def hanlp_username(sentences: str) -> list:
from pyhanlp import HanLP
segment = HanLP.newSegment().enableNameRecognize(True)
seg_words = segment.seg(sentences)
user_list = []
for value in seg_words:
split_words = str(value).split('/') # check //m
word, tag = split_words[0], split_words[-1]
if tag == 'nr':
user_list.append(word)
return user_list
def ltp_username(sentences: str) -> list:
from ltp import LTP
ltp = LTP() # 默认加载 Small 模型，下载的路径是：~/.cache/torch/ltp
seg, hidden = ltp.seg([sentences]) # 分词
nh_user_list = []
pos_index_values = ltp.pos(hidden)
# seg 是 list to list 的格式
for index, seg_i in enumerate(seg):
pos_values = pos_index_values[index]
for _index, _pos in enumerate(pos_values):
if _pos == "nh":
nh_user_list.append(seg_i[_index])
return nh_user_list
def lac_username(sentences: str) -> list:
# 装载LAC模型
user_name_list = []
lac = LAC(mode="lac")
lac_result = lac.run(sentences)
for index, lac_label in enumerate(lac_result[1]):
if lac_label == "PER":
user_name_list.append(lac_result[0][index])
return user_name_list
if __name__ == '__main__':
text = "周树人（1881年9月25日－1936年10月19日），原名周樟寿，字豫山、豫亭，后改字豫才，以笔名鲁迅聞名於世，浙江紹興人"
hanlp_user = hanlp_username(text)
lac_user = lac_username(text)
ltp_user = ltp_username(text)
print("hanlp:", hanlp_user)
print("LAC:", lac_user)
print("LTP:", ltp_user)
结果：
hanlp: ['周樟寿', '鲁迅']
LAC: ['周树人', '周樟寿', '鲁迅']
LTP: ['周树人', '周樟寿', '豫才', '鲁迅']
