디큐 NLP를 파이썬에서 써보기-2

from deeqnlpy import Tagger
t = Tagger()
pos_tuples = t.pos("그 가수는 밍기뉸데요.", flatten=False, detail=True, join=True)
print(*pos_tuples, sep="\n") 

>>> print(t.morphs("그 가수는 밍기뉸데요."))
['그', '가수', '는', '밍기뉴', '이', 'ㄴ데', '요', '.']
>>> print(t.nouns("그 가수는 밍기뉸데요."))
['가수', '밍기뉴']
>>> print(t.verbs("그 가수는 밍기뉸데요."))
[]

from deeqnlpy import Tagger
t = Tagger()

# 형태소 분석을 한 결과를 tagged 변수로 받습니다.
tagged = t.tag("그 가수는 밍기뉸데요.")
# tagged가 도대체 뭔지 알아봅니다.
help(tagged)
# pos()를 구해봅니다.
tagged.pos()
tagged.pos(join=True, flatten=False)
tagged.pos(join=False, flatten=False, detail=True)
# 아까 봤던 nouns(), verbs(), morphs()는 그냥 됩니다.
tagged.nouns()
tagged.verbs()
tagged.morphs()

# 새로운 함수 msg(), 왜 이 함수의 이름은 msg()일까요? 무슨 메시지를 전달하길래..
sents = tagged.msg()
# 아하, json 방식으로 나오는 함수들이 몇가지가 있군요.
json_obj = tagged.as_json()
json_str = tagged.as_json_str()
# 아하, json을 바로 파일로 출력할 수도 있군요.
f = open('out.json', "w+")
tagged.print_as_json(out=f)
close(f)

tagged.as_json()

>>> tagged.print_as_json()
{
  "sentences": [
    {
      "text": {
        "content": "그 가수는 밍기뉸데요."
      },
      "tokens": [
        {
          "text": {
            "content": "그"
          },
          "morphemes": [
            {
              "text": {
                "content": "그"
              },
              "tag": "MMD",
              "probability": 0.9767288
            }
          ],
          "lemma": "그",
          "tagged": "그/MMD"
        },
        {
          "text": {
            "content": "가수는",
            "beginOffset": 2
          },
          "morphemes": [
            {
              "text": {
                "content": "가수",
                "beginOffset": 2
              },
              "tag": "NNG",
              "probability": 0.91464984
            },
            {
              "text": {
                "content": "는",
                "beginOffset": 4
              },
              "tag": "JX",
              "probability": 0.949577
            }
          ],
          "lemma": "가수",
          "tagged": "가수/NNG+는/JX"
        },
        {
          "text": {
            "content": "밍기뉸데요.",
            "beginOffset": 6
          },
          "morphemes": [
            {
              "text": {
                "content": "밍기뉴",
                "beginOffset": 6
              },
              "tag": "NNP",
              "probability": 0.46444348,
              "outOfVocab": "OUT_OF_VOCAB"
            },
            {
              "text": {
                "content": "이",
                "beginOffset": 6
              },
              "tag": "VCP",
              "probability": 0.9800278
            },
            {
              "text": {
                "content": "ㄴ데",
                "beginOffset": 6
              },
              "tag": "EC",
              "probability": 0.40768662
            },
            {
              "text": {
                "content": "요",
                "beginOffset": 6
              },
              "tag": "JX",
              "probability": 0.97902447
            },
            {
              "text": {
                "content": ".",
                "beginOffset": 6
              },
              "tag": "SF",
              "probability": 0.9742079
            }
          ],
          "lemma": "밍기뉴",
          "tagged": "밍기뉴/NNP+이/VCP+ㄴ데/EC+요/JX+./SF"
        }
      ]
    }
  ],
  "language": "ko_KR"
}

# json 객체로 만듭니다.
jo = tagged.as_json()

## 첫번째 문장을 꺼냅니다.
sent1 = jo['sentences'][0]

## 3번째 어절을 찾아갑니다.
token3 = sent1['tokens'][2]

## 각 형태소 객체의 이름과 태그를 출력해봅니다.
for m in token3.morphemes:
    print(m['text']['content'], m['tag'])

m = tagged.msg()
print(len(m.sentences[0].tokens))
# 여기서 출력되는 포맷은 protocol buffer에서 정의한 텍스트 포맷입니다. 왼쪽에서 변수명을 볼 수 있습니다.

from konlpy.tag import Mecab

tagger = Mecab()
tagger.pos('그 가수는 밍기뉸데요!')

from deeqnlpy import Tagger

tagger = Tagger()
tagger.pos('그 가수는 밍기뉸데요!')

from deeqnlpy import Tagger

tagger = Tagger()
tagger.tag('그 가수는 밍기뉸데요!').pos()