Stanza 包含了 60 多種語言模型，在 Universal Dependencies v2.5 資料集上進行了預訓練。這些模型包括簡體、繁體、古文中文，英語、法語、西班牙語、德語、日語、韓語、阿拉伯語等，甚至還有北薩米語等不太常見的語言。
stanza 是斯坦福開源Python版nlp庫，對自然語言處理有好大的提升，具體好在哪裡，官網裡面都有介紹，這裡就不翻譯了。下面放上對應的官網和倉庫位址。
stanza 官網位址：點選我進入
stanza github 倉庫位址：點選我進入
安裝步驟
1、Pycharm 中在設定中安裝 stanza 是比較慢的，是以不建議這種方法，而且也考不到進度到那裡了。
2、直接在pycharm中安裝也有嘗試，但是很長時間都沒看到成功，這裡推薦使用将倉庫代碼克隆下來，在本地進行手動安裝，最主要的是速度快。
# 為了方面查找，這裡建議直接将倉庫克隆到桌面最省事。
cd ~/Destop
git clone https://github.com/stanfordnlp/stanza.git
cd stanza
pip install -e . pip 安裝成功之後下面就是将安裝好的内容移動到pycharm使用的Interpreter，也就是下圖使用的python路徑對應的site-packages中。
找到上圖對應的跟bin同一目錄的lib檔案，lib->python3.7->site-packages。打開這個檔案夾，将之前安裝好的 stanza 移過來。如果是克隆在桌面了，就到桌面去找對應的檔案夾，會發現剛才克隆的stanza檔案夾下多了兩個檔案：stanza、stanza.egg-info，将這兩個檔案移動到上面的 site-packages 中，這樣就可以在 pycharm 中直接導入使用。以上stanza安裝完成。
使用
Pycharm 中使用stanza也比較簡單，直接導入使用。
import stanza
# 這一步是去下載下傳對應的英文模型，執行一下看指令行連結出來就可以，指令行有可能不會成功，還是老方法把指令行中的位址，放到浏覽器中直接下載下傳。
stanza.download('en') 執行之後，會出現下面的連結，連結放到浏覽器後下載下傳完成解壓。
第二個位址直接點選去下載下傳也行，這裡放上位址：英文模型下載下傳。
英文模型下載下傳完成後，解壓會看到裡面有對應的檔案。将檔案放到下面指令執行後報錯的路徑下。
nlp = stanza.Pipeline('en')
doc = nlp("Barack Obama was born in Hawaii. He was elected president in 2008.") 執行上面兩句會看到報錯，說在xxx路徑找不到模型包，把剛才下載下傳的模型放到這個檔案夾中，這個檔案一般是在使用者目錄下stanza_resources，比如：/Users/xxxx/stanza_resources,
該目錄下有en（代表英文模型），把下載下傳的模型放到這個目錄：/Users/xxxx/stanza_resources/en/。
以上步驟完成後，就可以使用。
說下stanza進行實體識别時候好處是，直接将識别的實體封裝成了json格式，識别出的實體比如：PERSON、ORG、LOCATION等，詞性為“O”的并不會出現在識别結果中，這樣友善多了，不需要在進行過濾到不想要的實體。具體效果如下：
import stanza
nlp = stanza.Pipeline('en')
doc = nlp("Barack Obama was born in Hawaii. John studies at Stanford University in NewYork.")
for sentence in doc.sentences:
print(sentence.ents) 輸出如下：
[{
"text": "Barack Obama",
"type": "PERSON",
"start_char": 0,
"end_char": 12
}, {
"text": "Hawaii",
"type": "GPE",
"start_char": 25,
"end_char": 31
}, {
"text": "John",
"type": "PERSON",
"start_char": 34,
"end_char": 38
}, {
"text": "Stanford University",
"type": "ORG",
"start_char": 50,
"end_char": 69
}, {
"text": "NewYork",
"type": "GPE",
"start_char": 73,
"end_char": 80
}] 這裡比stanfordcorenlp實體識别差別是：實體會進行組塊分析，比如 Barack Obama識别成一個實體（PERSON）。而stanfordcorenlp則會分開識别：Barack（PERSON）、Obama（PEROSN）。