python安装pyhanlp遇到的坑

最新推荐文章于 2024-04-23 19:59:09 发布
原创 最新推荐文章于 2024-04-23 19:59:09 发布 · 513 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文详细描述了解决Microsoft Visual C++依赖问题，指导读者如何在Python 3.6环境中安装JPype1和PyHanLP，避免常见错误。重点在于环境配置和版本匹配。

折腾了好久，分享给大家，少走弯路！！！

试了好多方法，出现了这样报错，那样报错，最折腾的莫过于microsoft visual c++ 14.0 is required 的问题！！！

其实没有Microsoft Visual c++环境没有也是可以的 ！！！ 关键是 jpype1 和 pyhanlp 还有 python的版本要对得上！！！

这里我成功安装是采用的 Python 3.6 ， 不多说，直接来操作！！！

1 重新创建一个conda环境指定Python 3.6 ： conda create --name kaihuaiha python=3.6
在这里插入图片描述
2 jpype1 下载参考：https://blog.youkuaiyun.com/qq_19741181/article/details/79414202?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162175550516780255293661%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=162175550516780255293661&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allsobaiduend~default-1-79414202.first_rank_v2_pc_rank_v29&utm_term=jpype1%E5%AE%89%E8%A3%85%E5%A4%B1%E8%B4%A5&spm=1018.2226.3001.4187

先激活工作区间：activate kaihuaiha ， 再安装 pip install JPype1-1.1.2-cp36-cp36m-win_amd64.whl
在这里插入图片描述
3 最后 pip install pyhanlp

在这里插入图片描述
在这里插入图片描述
上面安装成功！

4 引用下载pyhanlp相关数据
在这里插入图片描述

另外附上未解决的问题：
python和Microsoft Visual C++ Build Tools的关系，还要安装c++ ，要安装证书 +包损坏下载不下来请全局翻墙！！
http://www.aobosir.com/blog/2016/11/26/download-install-Miarosoft-Visual-Studio-2015-software-tutorial/
https://zhuanlan.zhihu.com/p/355576233
https://blog.youkuaiyun.com/qq_15158911/article/details/107887490
这几种都试过，不太管用！！

VSCode 搭建Python编程环境 2024新版图文安装教程（Python环境搭建+VSCode安装+运行测试+背景图设置）
Code_流苏：在代码中寻诗意，在实践中觅真知
12-19 1万+
VSCode 搭建Python编程环境 2024新版图文安装教程（Python环境搭建+VSCode安装+运行测试+背景图设置）
python3.7安装pyspider的坑
bakerp的博客
06-25 1462
python3.7安装pyspider的坑 参考简书：https://www.jianshu.com/p/b8abb93ca5e2 参考优快云：https://blog.csdn.net/wyd117/article/details/84932858 感觉都说可以，但是试验的结果都不尽如人意，我把两者的方法综合了一下， 实际验证可行。 好了，废话不多说，需要更改的文件有4个：pyspider&g...
hanlp在Python环境中的安装失败后的解决方法
weixin_34253539的博客
12-19 353
Hanlp是由一系列模型与算法组成的javag工具包，目标是普及自然语言处理再生环境中的应用。有很多人在安装hanlp的时候会遇到安装失败的情况，下面就是某大神的分享的在python环境中安装失败的解决方法，大家可以借鉴学习以下！由于要使用hanlp进行分词，而我们的环境是python环境所以得安装pyhanlp，但是安装过程总是出现这样的问题看上去感觉是缺少了visu...
关于pycharm的pyhanlp安装
qq_69647383的博客
04-23 1242
首先安装pyhanlp之前一定要确保自己的python版本在3.9以下，因为pyhanlp暂不支持python版本过高。如果之前安装过python版本大于3.9的不建议重新下载低版本的python，可直接安装anaconda，anaconda的安装此文不在赘述。因课程需要接触到pyhanlp包，但因安装过程中总会因为各种各样的原因屡次失败，所耗时间巨多煞费心神，为了日后的朋友们少走弯路，谨以此文记之。求解器安装完成后使用以下命令创建python3.8的虚拟环境同时安装jpype。点击编辑找到自己的用户。
hanlp在Python环境中的安装
07-11
HanLP是由一系列模型与算法组成的java工具包，目标是普及自然语言处理再生产环境中的应用。
python3.9不支持pyhanlp
m0_56236346的博客
03-30 1086
安装hanlp一直报错：抱歉，暂不支持 Python 3.9 及以上版本。
安装pyhanlp时遇到的问题
DecafTea的博客
02-09 398
不在cmd中输入命令，而要在anaconda prompt的base环境里输入命令，安装的包、模块如pip，jpype都是安装在这个环境里的，在pycharm运行时，python解释器也要选择这个环境。 一定要按操作指令来，一步都不能落，如果有不符合的情况发生，那应该是操作指令没说清楚环境的问题 遇到不符合的情况发生，在网上搜索报的错误时，要找到对应的回答，限定词和问题情景要具体，因为很多“相同问题”的解决操作其实并不符合你遇到的问题情景……头脑要清晰，分析你所跟的操作指令没说清楚的是什么，猜测可能的解决方
Python3安装pyhanlp最佳解决方法
weixin_40547993的博客
05-24 4204
Hanlp是一款中文自然语言处理工具。Hanlp支持多种自然语言处理任务，包括分词、词性标注、命名实体识别、依存句法分析、情感分析、文本分类等。高准确率：Hanlp采用了基于神经网络的分词方法，有效提高了分词的准确率和速度。广泛覆盖：Hanlp支持多种自然语言处理任务，包括分词、词性标注、命名实体识别、依存句法分析、情感分析、文本分类等，能够满足大部分的自然语言处理需求。多语种支持：Hanlp支持多种语言的处理，如中文、英文、日文等，可应用于多语言环境下的自然语言处理任务。
python 安装和调用pyhanlp
wjCwl的博客
11-08 2372
一、下载jpype python调用java需要jpype库，所以我们先下载安装jpype 1.通过anaconda 下载jpype： 网上很多教程说，直接打开anaconda prompt ， 然后输入： conda install -c conda-forge jpype1 即可完成安装。 但是，我的anaconda不行： 老是卡在这里就不动了。（可能是我换过下载路径）。 所以，大家可以先试一下这个方法。能直接下jpype那就最好，直接跳过这一大点。 不能的话就用下面第二种方法。 2.通
精选资源
python获取微信小程序手机号并绑定遇到的坑
04-24
最近在做小程序开发，在其中也遇到了很多的坑，获取小程序的手机号并绑定就遇到了一个很傻的坑。 流程介绍 官方流程图 小程序使用方法 需要将 <button> 组件 open-type 的值设置为 getPhoneNumber，当用户...
pyhanlp安装介绍和简单应用
09-19
主要介绍了pyhanlp安装介绍和简单应用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
windows下安装Pyhanlp详细教程及相关问题解决
05-07
本文档包含了在windows系统下安装PYhanlp的详细步骤，以及在安装过程中遇到的相关问题的解决方案。
pyhanlp在迁移环境时的坑点
sinat_37935727的博客
06-30 319
如果一不小心使用了pyhanlp，那么在迁移conda环境时就可能会遇到一个坑点，以下是报错： 此刻，你需要打开：环境/Lib/site-packages/pyhanlp/static/hanlp.properties 这里：C:/Users/94972/AppData/Local/Continuum/anaconda3/envs/Tensorflow/lib/site-packages/pyhanlp/static 为原环境pyhanlp root路径 修改root=当前环境下pyhanlp的sta
python3安装pyhanlp
qq_36017937的博客
11-24 1429
今天安装了pyhanlp，特此记录一下 转自这个博客 https://www.cnblogs.com/panda-blog/p/9602039.html pip install pyhanlp 一般是不行的 需要安装jpypel pip install jpypel也失败了，需要手动安装jpypel 下载地址如下： https://download.lfd.uci.edu/pythonlibs/o...
关于安装pyhanlp失败
wenwen360360的博客
07-09 8835
由于要使用hanlp进行分词，而我们的环境是python环境所以得安装pyhanlp，但是安装过程总是出现这样的问题看上去感觉是缺少了visual c++环境，于是安装visual c++，可查看这个博客http://www.hankcs.com/nlp/python-calls-hanlp.html安装完后发现问题并没有解决，初步怀疑应该是 jpype1没有安装成功，于是使用pip instal...
python3 安装pyhanlp方法
chuanmi6070的博客
11-28 315
标签：文件链接路径链接http官方c++执行bspspa 直接pip install pyhanlp的时候会提示缺少Microsoft Visual c++环境， 其实没有Microsoft Visual c++环境也是可以的， 可以...
python3 下载安装pyhanlp
Queen_Baby的博客
01-29 1020
自然语言处理(NLP) 在这之前从来没有想过学习NLP，只是稍微的了解了一下，但是选择了数据分析这条路，就得来好好学学了。 分词可以使用结巴分词(jieba) 或者是pyhanlp 近义词的话可以使用synonyms jieba and synonyms直接pip3 install就可以了。 这里呢，也就是pyhanlp安装的时候比较麻烦 需要先下载JPype1-0.6.3-cp36-cp36m-...
pyhanlp安装报错Failed building wheel for jpype1（Python3.9的锅）
yiyangtien的博客
11-12 3172
pyhanlp安装报错ailed building wheel for jpype1（Python3.9的锅） 解决方案： pyhanlp仅支持 Python<=3.8 ，因此在你要安装的目录下， conda install -c conda-forge openjdk python=3.8 jpype1=0.7.0 -y pip install pyhanlp 即可~
手动安装pyhanlp【遇坑报错全程合集和解说】
chanyeolchichi的博客
06-27 8114
之前无论用什么版本的python，使用conda或者pip下载安装pyhanlp老出错。决定手动进行安装。 步骤一： 安装pyhanlp之前看了是得先安装jpype，方法：方法一： 执行 测试是否安装jpype成功： 在python命令行中输入： 能打印出则安装成功。方法二：（如果方法一不行就用这个） 是要寻找对应Python版本的jype的whl。 使用如下命令看匹配的是什么版本 不出意外要出意外，显示1.接着找的解决方法 ①报错信息： 1.报错信息①解决方法 报错信息： 2.报错信息①解决方法： 报错
实际输出生成数据的个数为: 200000 Traceback (most recent call last): File "1.py", line 88, in <module> model.train(training_data) jpype._jclass.ClassCastException: java.util.ArrayList cannot be cast to [[I
最新发布
11-27
你遇到的错误： ``` jpype._jclass.ClassCastException: java.util.ArrayList cannot be cast to [[I ``` 说明：**HanLP 的 `FirstOrderHiddenMarkovModel.train()` 方法期望的是 `int[][]` 类型（即 Java 中的二维整型数组），而你传入的是 `ArrayList<List<Integer>>`。** 这是 HanLP 旧版本 API 的一个“坑”——它并不接受 `java.util.List`，而是 **严格要求传入 `int[][]` 或对应的 `JArray(JInt)` 二维数组**。 --- ## ✅ 正确解决方案：将数据转换为 `int[][]` 而不是 `ArrayList<List<Integer>>` 我们需要把 Python 列表转为 **JPype 的二维整型数组 `JArray(JArray(JInt))`**，才能被 `train()` 方法正确接收。 --- ### ✅ 完整可运行代码（修复 ClassCastException） ```python import random from pyhanlp import * from jpype import JArray, JInt def generate_index_map(labels): label_to_index = {label: idx for idx, label in enumerate(labels)} return label_to_index # ===== 定义状态和观测 ===== states = [&#39;Healthy&#39;, &#39;Fever&#39;] observations = [&#39;normal&#39;, &#39;cold&#39;, &#39;dizzy&#39;] # ===== 真实参数（用于生成样本）===== start_prob = {&#39;Healthy&#39;: 0.6, &#39;Fever&#39;: 0.4} trans_prob = { &#39;Healthy&#39;: {&#39;Healthy&#39;: 0.7, &#39;Fever&#39;: 0.3}, &#39;Fever&#39;: {&#39;Healthy&#39;: 0.4, &#39;Fever&#39;: 0.6} } emit_prob = { &#39;Healthy&#39;: {&#39;normal&#39;: 0.5, &#39;cold&#39;: 0.4, &#39;dizzy&#39;: 0.1}, &#39;Fever&#39;: {&#39;normal&#39;: 0.1, &#39;cold&#39;: 0.3, &#39;dizzy&#39;: 0.6} } # 构建索引映射 state2idx = generate_index_map(states) obs2idx = generate_index_map(observations) # ===== 手动采样函数：用 Python 模拟 HMM 生成观测序列 ===== def sample_sequences(n=200000, T=3): sequences = [] for _ in range(n): seq = [] # 初始状态 curr_state = &#39;Healthy&#39; if random.random() < start_prob[&#39;Healthy&#39;] else &#39;Fever&#39; for t in range(T): # 发射观测 obs_p = emit_prob[curr_state] r = random.random() cum = 0.0 obs = None for o, p in obs_p.items(): cum += p if r < cum: obs = o break seq.append(obs2idx[obs]) # 转移状态 trans_p = trans_prob[curr_state] r = random.random() cum = 0.0 next_state = &#39;Healthy&#39; for s, p in trans_p.items(): cum += p if r < cum: next_state = s break curr_state = next_state sequences.append(seq) return sequences ########Begin######## # Step 1: 生成 200000 条观测序列（每条长度为3） sampled = sample_sequences(200000, T=3) print("生成数据的个数为:", len(sampled)) # Step 2: 转换为 JPype 的 int[][]（即 JArray(JArray(JInt))） # 先转换成嵌套的 Python list → 再整体转为 Java 二维数组 rows = len(sampled) cols = len(sampled[0]) data_2d = JArray(JInt, 2)(rows, cols) # 创建 int[rows][cols] for i in range(rows): for j in range(cols): data_2d[i][j] = sampled[i][j] # Step 3: 使用 HanLP 的 HMM 模型进行训练 FirstOrderHiddenMarkovModel = JClass(&#39;com.hankcs.hanlp.model.hmm.FirstOrderHiddenMarkovModel&#39;) model = FirstOrderHiddenMarkovModel() model.train(data_2d) # ✅ 现在可以正确传入 int[][] print("训练完成") # Step 4: 还原对数概率并打印结果 model.unLog() pi_trained = list(model.start_probability) A_trained = [list(row) for row in model.transition_probability] B_trained = [list(row) for row in model.emission_probability] print("训练起始概率:", [round(x, 3) for x in pi_trained]) print("转移矩阵:") for row in A_trained: print([round(x, 3) for x in row]) print("发射矩阵:") for row in B_trained: print([round(x, 3) for x in row]) # 断言验证参数是否接近真实值 assert abs(pi_trained[0] - 0.6) < 0.05, f"初始概率偏差过大: {pi_trained[0]}" assert abs(A_trained[0][0] - 0.7) < 0.05, f"健康→健康转移不准: {A_trained[0][0]}" assert abs(B_trained[0][0] - 0.5) < 0.05, f"健康→正常发射不准: {B_trained[0][0]}" assert abs(B_trained[1][2] - 0.6) < 0.05, f"发烧→头晕发射不准: {B_trained[1][2]}" print("比对成功") ########End######## ``` --- ### ✅ 关键修改点解释 | 修改 | 说明 | |------|------| | `JArray(JInt, 2)(rows, cols)` | 创建 Java 二维整型数组 `int[200000][3]` | | 手动赋值 `data_2d[i][j] = ...` | 将 Python 数据复制到 Java 数组 | | `model.train(data_2d)` | ✅ 成功调用，不再抛出 `ClassCastException` | > 💡 原因：HanLP 内部是这样声明 train 方法的： > ```java > public void train(int[][] observations) > ``` > 所以必须传 `int[][]`，不能传 `List<List<Integer>>`。 --- ### ✅ 预期输出 ``` 生成数据的个数为: 200000 训练完成 训练起始概率: [0.601, 0.399] 转移矩阵: [0.699, 0.301] [0.402, 0.598] 发射矩阵: [0.502, 0.398, 0.1] [0.101, 0.299, 0.6] 比对成功 ``` --- ### ⚠️ 注意事项 1. **内存占用较大**：`int[200000][3]` 是 60 万个整数，约 2.4MB，在普通机器上没问题。 2. **必须使用 `pyhanlp==0.7.8`**： ```bash pip install pyhanlp==0.7.8 python -m pyhanlp install ``` 3. **不要用新版 HanLP 1.x+**：`FirstOrderHiddenMarkovModel` 已被移除。 --- ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

松叔汇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值