Saltar a contenido

Instalación

Requisitos

  • python 3.11 o superior
  • spaCy 3.8.15 o superior dentro de 3
  • anyts 0.4.5 o superior dentro de 0.4, el núcleo independiente del idioma: los extractores, las estadísticas básicas y las fórmulas comunes de legibilidad, las métricas de diversidad léxica, las medidas de corpus, los gráficos y el mecanismo del resaltado vienen de él con el tokenizador, el lematizador, el segmentador de oraciones y las sílabas del español
  • numpy, scipy, pandas, simplemma 2
  • matplotlib y graphviz para las visualizaciones

Las dependencias se instalan con el paquete. import ests no carga spaCy, matplotlib ni pandas: spaCy llega con el primer texto, cuyas palabras halla su tokenizador español, y los gráficos y las funciones de corpus al usarlos por primera vez.

Graphviz

El paquete graphviz de las dependencias es solo un envoltorio: para dibujar el árbol de palabras y la red de colocaciones hacen falta los ejecutables de Graphviz, que se instalan aparte (brew install graphviz, apt install graphviz, conda install graphviz); sin ellos render() y la visualización del grafo en Jupyter fallan con ExecutableNotFound. Nada más los necesita.

Desde PyPI

La distribución en PyPI se llama pyests y el paquete que instala es ests:

pip install pyests

Desde el repositorio

git clone https://github.com/SergeyShk/esTS.git
cd esTS
uv sync --all-groups

El modelo de spaCy

Las estadísticas básicas, la legibilidad, la diversidad léxica, las métricas de estilo salvo los sustantivos deverbales, la fonoestadística y las estadísticas del verso no necesitan ningún modelo entrenado. Las estadísticas morfológicas, las sintácticas (con analizador), las de cohesión y las de complejidad léxica de una cadena sí lo necesitan, igual que los sustantivos deverbales de las métricas de estilo, function_words_profile, los rasgos de un texto, la comparación de corpus y construir un Doc por su cuenta. Las pruebas también lo necesitan; lo instala el grupo de dependencias test:

python -m spacy download es_core_news_sm

Conjuntos de datos

El corpus de literatura, los sonetos y el diccionario de frecuencias se descargan una vez con su método download(); las estadísticas de LexicalStats según el diccionario y keyness frente a él necesitan FreqDict().download(). Los archivos van al directorio ests_data junto al paquete instalado (ests.constants.DEFAULT_DATA_DIR), dicts para el diccionario y texts para el corpus y los sonetos. Donde ese directorio no se puede escribir, pase otro en data_dir (FreqDict(data_dir="...")) o defina la variable de entorno ESTS_DATA_DIR antes de importar el paquete:

export ESTS_DATA_DIR=~/ests_data