该项目提供了一系列中文自然语言处理工具，用户可以使用这些工具对于中文文本进行分词、词性标注、句法分析等等工作。

它是由清华大学 NLP 实验室开源，可以根据你的意思返回相关词汇，有效解决词穷、话到嘴边说不出来的窘境。

“结巴”中文分词是强大的 Python 分词库，支持精确模式、全模式、搜索引擎等模式，以及繁体分词、自定义词典等功能。

基于 PyTorch 的 NLP 框架，支持文本命名实体识别(NER)、词性标注(PoS)、词义消歧和分类。项目中包含详细的使用教程，介绍了如何标记文本、训练语言模型等。

计算文本距离的常用算法库。包含计算文本相似度、多样性、编辑距离、压缩等多种算法，所有算法均采用 Python 实现，容易理解调用方便 ```python import textdistance textdistance.hamming.normalized_similarity('test', 'text') # 相似度为 0.75 ```

它可以提供文本分类、序列标记、情感分析、文本摘等功能，帮助快速完成打标工作，支持中文和多人协作。

基于 DFA 算法实现支持多语言扩展，可用于代码编辑器的语法高亮等场景。同时项目的代码量少还有详细的源码讲解文档，适合对词法分析感兴趣的小伙伴学习。

通过深度学习把自然语言转化成 emoji 表情的项目。用机器学习来了解文字表达的情感，最后返回几个感情相近的 emoji 表情。该项目有趣且易于学习，包含机器学习项目该有的所有内容：示例、模型、数据、测试、源码等

汉语转拼音的 Python 库。不知道有没有小伙伴和我一样，刚看到这库不知道能用来干啥。其实它可以用来丰富被搜索的中文内容，通过该项目可实现拼音搜索内容、容错同音错别字、中文排序等，从而提高搜索准确度和体验 ```python >>> from pypinyin import pinyin, lazy_pinyin, Style >>> pinyin('中心') [['zhōng'], ['xīn']] >>> pinyin('中心', heteronym=True) # 启用多音字模式 [['zhōng', 'zhòng'], ['xīn']] >>> pinyin('中心', style=Style.TONE3, heteronym=True) [['zhong1', 'zhong4'], ['xin1']] ```

Go 的高性能多语言分词库。它是结巴分词的 Go 语言实现，支持中文和接入 ES 等功能。