THULAC（THU Lexical Analyzer for Chinese）是清华大学开发的一款中文词法分析工具，集成了分词和词性标注两大功能。THULAC 拥有强大的分词能力和高效的词性标注，适用于多种中文文本处理场景。该工具能够在保证高准确率的同时保持较快的处理速度，非常适合大规模中文数据处理。

⭕️宇宙起点

🔨 THULAC 的特点📦 安装与配置1. 使用 pip 安装2. 使用 GitHub 源码安装

♨️ 使用方法1. 分词与词性标注2. 只进行分词（无词性标注）3. 使用自定义词典4. 参数详解5. 文件分词与命令行使用命令行方式

🚩 性能评测与对比🧱 典型应用场景📥 下载地址💬 结语📒 参考文献

🔨 THULAC 的特点

准确率高：在标准数据集（如 CTB5）上，分词 F1 值可达 97.3%，词性标注 F1 值为 92.9%。处理速度快：同时进行分词和词性标注的速度为 300KB/s，只进行分词速度可达 1.3MB/s。多种功能：支持分词、词性标注、文件分词、自定义词典、简繁转换等。

📦 安装与配置

1. 使用 pip 安装

直接通过 pip 安装：

<code>pip install thulac

安装完成后，即可通过 import thulac 在 Python 中使用该工具。

2. 使用 GitHub 源码安装

可以通过 GitHub 下载源代码，并手动配置模型文件。安装步骤如下：

克隆 GitHub 仓库：

git clone https://github.com/thunlp/THULAC-Python.git

下载模型文件，并将其放入 thulac/models 目录下。安装依赖并测试。

♨️ 使用方法

THULAC 提供了分词和词性标注两种主要操作模式，并且可以通过不同参数进行自定义配置。

1. 分词与词性标注

以下是基本的使用方式：

<code>import thulac

# 默认模式：同时进行分词和词性标注

thu1 = thulac.thulac()

text = thu1.cut("我爱北京天安门", text=True)

print(text) # 输出：我_r 爱_v 北京_ns 天安门_ns

2. 只进行分词（无词性标注）

# seg_only 模式：只进行分词，不进行词性标注

thu2 = thulac.thulac(seg_only=True)

text = thu2.cut("我爱北京天安门", text=True)

print(text) # 输出：我 爱 北京 天安门

3. 使用自定义词典

用户可以通过传递 user_dict 参数使用自定义词典，从而增强特定领域的分词效果：

thu3 = thulac.thulac(user_dict="custom_dict.txt")code>

4. 参数详解