doccano在linux系统的安装流程

doccano常用的nlp标注工具，文本分类标注工具，ner标注工具

doccano是documment anotation的缩写，是一个开源的文本标注工具，我们可以用它为NLP任务的语料库进行打标。总共支持三种NLP任务的文本标注，分别是文本分类、序列标注和序列到序列（例如文本翻译）。等任务。

官方文档：https://doccano.github.io/doccano

doccano的安装与初始配置

1. 这里开一个screen！
2. 先激活自己的venv环境
3. 终端里输入：pip install doccano，即可在独立的venv环境中安装doccano。
4. 然后，在终端里输入
   1. doccano init
   2. doccano createuser --username admin --password pass
   3. 即可完成初始化，并创建一个doccano的超级用户。

启动doccano

1. 这里再开一个screen！
2. 首先，在终端中输入doccano webserver --port 8000，启动WebServer
3. 打开另一个终端，运行下面的代码启动任务队列：doccano task
4. 此时完成了doccano的启动。

转移了doccano的工具部署位置，如何转移之前的标注记录呢？

doccano建议单独开一个venv，后面转移后就可以直接把该python环境的这个文件夹，参考路径：/venv环境名/lib/python3.x/site-packages/backend，这个文件夹backend拷贝到新的python环境下。

doccano总共支持4种格式的文本

• Textfile：要求上传的文件为txt格式，并且在打标的时候，一整个txt文件在打标的时候显示为一页内容；【常用】

• Textline：要求上传的文件为txt格式，并且在打标的时候，该txt文件的一行文字会在打标的时候显示为一页内容；
• JSONL：是JSON Lines的简写，每行是一个有效的JSON值。【常用】
• CoNLL：是“中文依存语料库”，是根据句子的依存结构而建立的树库。其中，依存结构描述的是句子中词与词之间直接的句法关系。具体介绍看汉语树库。

注意：

• doccano官方推荐的文档编码格式为UTF-8。
• 在使用JSONL格式的时候，文字数据本身要符合JSON格式的规范。
• 数据集中不要包含空行
• 小心里面的单双引号问题

运行doccano与创建新的文本打标项目

首先，打开浏览器（最好是Chrome），在地址栏中输入http://0.0.0.0:8000/并回车。
此时，我们会看到这样的界面

 我们可以在红圈处切换语言，在蓝圈处切换成黑色模式（网页变成黑色背景）。
然后我们点击中间的蓝色按钮“快速开始”。
此时，我们会跳转到登陆的界面。这里，我们需要用之前创建的超级用户登陆。

 

完成登陆后，我们会来到“项目”的界面。我们可以点击左上角的“创建”按钮来创建新的项目；也可以点击“删除”按钮来删除已经创建的项目。