THULAC 是清华大学开发的中文词法分析工具，支持分词和词性标注。具有准确率高、处理速度快等特点，适用于大规模中文文本处理。支持 pip 安装或源码安装，提供自定义词典、简繁转换等功能。可用于搜索引擎、推荐系统及自然语言理解等场景。
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。
直接通过 pip 安装：
pip install thulac
安装完成后，即可通过 import thulac 在 Python 中使用该工具。
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：
thulac/models 目录下。克隆 GitHub 仓库：
git clone https://github.com/thunlp/THULAC-Python.git
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。
以下是基本的使用方式：
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
# 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
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")
THULAC 的初始化支持多种参数，以适应不同的使用场景：
user_dict：指定用户词典的路径，提升分词精准度。seg_only：默认为 False，设置为 True 时仅进行分词操作，不进行词性标注。T2S：默认为 False，是否将繁体字转换为简体字。model_path：模型文件路径，可自定义模型位置。filt：是否过滤掉冗余词汇（如'可以'、'的'）。THULAC 支持对文本文件进行批量分词处理，并输出结果到指定文件：
# 文件分词：读取 input.txt 并将结果输出到 output.txt
thu1.cut_f("input.txt","output.txt")
可以使用命令行直接调用 THULAC 来进行文件处理：
python -m thulac input.txt output.txt
如果只需要分词功能，可以加上 seg_only 参数：
python -m thulac input.txt output.txt seg_only
THULAC 在多种数据集上均表现出色。在 PKU 测试集上，与 LTP、ICTCLAS、结巴分词等工具相比，THULAC 的分词准确率和处理速度均表现优异：
| 数据集 | 分词工具 | 时间 (s) | 准确率 | 召回率 |
|---|---|---|---|---|
| msr_test | LTP | 3.21 | 0.867 | 0.896 |
| pku_test | THULAC | 0.51 | 0.944 | 0.908 |
| pku_test | jieba | 0.23 | 0.850 | 0.784 |
THULAC 适用于以下几种场景：
THULAC 是一个高效、易用的中文词法分析工具，尤其在大规模数据处理时具有显著优势。它能够以较高的准确率进行分词和词性标注，并支持自定义词典、简繁转换等多种高级功能，非常适合中文 NLP 研究人员和开发者使用。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online