معرفی شرکت ها

MordinezNLP-2.0.0b7

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
2.0.0b7
2.0.0b6
2.0.0b5
2.0.0b4

توضیحات

Powerfull python tool for modern NLP processing
ویژگی مقدار
سیستم عامل OS Independent
نام فایل MordinezNLP-2.0.0b7
نام MordinezNLP
نسخه کتابخانه 2.0.0b7
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Marcin Borzymowski
ایمیل نویسنده -
آدرس صفحه اصلی https://github.com/BMarcin/MordinezNLP
آدرس اینترنتی https://pypi.org/project/MordinezNLP/
مجوز MIT
<h1 align="center"> MordinezNLP <h1> <p align="center"> <a href="https://github.com/BMarcin/MordinezNLP/blob/main/.github/workflows/tests.yml"> <img alt="GitHub" src="https://img.shields.io/github/workflow/status/BMarcin/MordinezNLP/Test%20and%20build%20WHL"> </a> <a href="https://github.com/BMarcin/MordinezNLP/blob/main/LICENSE"> <img alt="GitHub" src="https://img.shields.io/github/license/BMarcin/MordinezNLP"> </a> <a href="https://github.com/BMarcin/MordinezNLP/stargazers"> <img alt="GitHub" src="https://img.shields.io/github/stars/BMarcin/MordinezNLP?style=social"> </a> </p> <h3 align="center"> Useful toolkit for NLP projects </h3> <p> MordinezNLP provides tools to download the data from the web, CommonCrawl and ElasticSearch using multiprocessing and custom file processing functions MordinezNLP has is a powerful tool to clean up dirty texts to make use of them in Neural Networks with better performance. Use MordinezNLP to extract text data from PDFs (tables ommiting) and from HTMLs. MordinezNLP is build on top of the SpaCy and Stanza. </p> <h3 align="center">Quick tour</h3> Text cleaning and POS tagging ```python from MordinezNLP.processors import BasicProcessor from MordinezNLP.pipelines import PartOfSpeech from MordinezNLP.tokenizers import spacy_tokenizer import spacy nlp = spacy.load("en_core_web_sm") nlp.tokenizer = spacy_tokenizer(nlp) bp = BasicProcessor() post_process = bp.process("this is my text to process by a funcion", language='en') pos_tagger = PartOfSpeech( nlp, 'en' ) pos_output = pos_tagger.process( [post_process], 4, 30, ) ``` CommonCrawl downloader ```python from MordinezNLP.downloaders import CommonCrawlDownloader ccd = CommonCrawlDownloader( [ "reddit.com/r/space/*", "reddit.com/r/spacex/*", ] ) ccd.download('./test_data') ``` PDF parser ```python from io import BytesIO from MordinezNLP.parsers import process_pdf with open("my_pdf_doc.pdf", "rb") as f: pdf = BytesIO(f.read()) output = process_pdf(pdf) print(output) ``` <h3 align="center"> Installation </h3> <h4>With pip</h4> ```bash pip install MordinezNLP ``` <h3 align="center"> URLs </h3> - [Docs](https://mordineznlp.readthedocs.io/en/latest/) - [GitHub](https://github.com/BMarcin/MordinezNLP)


نیازمندی

مقدار نام
>=0.3.0 clean-text
==0.4.4 colorama
>=7.10.1 elasticsearch
>=0.5.25 pdfplumber
>=2.25.1 requests
>=0.2.10 selectolax
==3.0.1 spacy
==3.0.1 spacy-legacy
==1.1.1 stanza
>=1.7.1 torch
>=4.50.2 tqdm


زبان مورد نیاز

مقدار نام
>=3.6 Python


نحوه نصب


نصب پکیج whl MordinezNLP-2.0.0b7:

    pip install MordinezNLP-2.0.0b7.whl


نصب پکیج tar.gz MordinezNLP-2.0.0b7:

    pip install MordinezNLP-2.0.0b7.tar.gz