Переход с pymorphy¶

У pymorphy2 и pymorphy3 один API: pymorphy3 - продолжение pymorphy2, который не работает на Python 3.11 и новее. ruMorph работает с тем же словарем OpenCorpora, но API у него свое: части речи и признаки Universal Dependencies вместо граммем OpenCorpora, вероятность вместо score, словоформы строкой, исключения вместо None.

pip install rumorph

Словарь входит в пакет, отдельный пакет словаря не нужен.

pymorphy3ruMorph

>>> import pymorphy3
>>> morph = pymorphy3.MorphAnalyzer()
>>> p = morph.parse("стали")[0]
>>> p.normal_form, p.tag.POS, p.tag.number, round(p.score, 3)
('стать', 'VERB', 'plur', 0.975)
>>> cat = morph.parse("кошка")[0]
>>> cat.inflect({"gent", "plur"}).word
'кошек'
>>> morph.parse("рубль")[0].make_agree_with_number(5).word
'рублей'

>>> import rumorph
>>> morph = rumorph.Analyzer()
>>> a = morph.analyze("стали")[0]
>>> a.lemma, a.pos, a.feats["Number"], round(a.prob, 3)
('стать', 'VERB', 'Plur', 0.975)
>>> cat = morph.analyze("кошка")[0]
>>> cat.inflect(Case="Gen", Number="Plur")
'кошек'
>>> morph.analyze("рубль")[0].agree(5)
'рублей'

Соответствие вызовов¶

Здесь morph - анализатор, p - разбор pymorphy, a - разбор ruMorph.

pymorphy2, pymorphy3	ruMorph	Отличия
`MorphAnalyzer()`	`Analyzer()`
`MorphAnalyzer(path)`	`Analyzer(path)`	путь к файлу словаря ruMorph; словари pymorphy не подходят
`morph.parse(word)`	`morph.analyze(word)`	разборы, которые в UD совпадают, объединены
`[morph.parse(w) for w in words]`	`morph.analyze_many(words)`	разбор без GIL
`[morph.parse(w)[0].normal_form for w in words]`	`morph.lemmatize(words)`	разбор без GIL
`morph.normal_forms(word)`	`list(dict.fromkeys(a.lemma for a in morph.analyze(word)))`
`morph.tag(word)`	`[(a.pos, a.feats) for a in morph.analyze(word)]`
`morph.word_is_known(word)`	`morph.is_known(word)`
`p.word`	`a.word`	у разборов по правилам и угаданных - в регистре текста
`p.normal_form`	`a.lemma`	леммы по соглашениям UD
`p.tag.POS`	`a.pos`	части речи UD, см. ниже
`p.tag.case`, `p.tag.number` и др.	`a.feats.get("Case")`, `a.feats.get("Number")` и др.	признаки UD, см. ниже
`"Infr" in p.tag`	`"Infr" in a.labels`	в `labels` - граммемы, у которых нет признака UD
`p.score`	`a.prob`
`p.methods_stack`	`a.source`	`"dictionary"`, `"rule"` или `"guess"`
`p.lexeme`	`a.forms()`
`p.inflect({"gent", "plur"}).word`	`a.inflect(Case="Gen", Number="Plur")`	строка; нет формы - `FormNotFoundError` вместо `None`
`p.make_agree_with_number(n).word`	`a.agree(n)`	строка; нет формы - `FormNotFoundError` вместо `None`

Аналогов нет у русских названий граммем (cyr_repr, lat2cyr), разбора начальной формы (p.normalized), перебора словаря и настройки предсказателя незнакомых слов.

Части речи¶

OpenCorpora	UD
`NOUN`	`NOUN`; имена, фамилии, отчества, топонимы, организации и торговые марки - `PROPN`
`ADJF`	`ADJ`; местоименные прилагательные - `DET`
`ADJS`	`ADJ` с `Variant=Short`
`COMP`	`ADJ` с `Degree=Cmp`
`VERB`	`VERB` с `VerbForm=Fin`; «быть» - `AUX`
`INFN`	`VERB` с `VerbForm=Inf`
`PRTF`	`VERB` с `VerbForm=Part`
`PRTS`	`VERB` с `VerbForm=Part` и `Variant=Short`
`GRND`	`VERB` с `VerbForm=Conv`
`NUMR`	`NUM` с `NumType=Card`
`ADVB`	`ADV`
`NPRO`	`PRON`
`PRED`	`VERB` без признаков
`PREP`	`ADP`
`CONJ`	`CCONJ`; подчинительные союзы - `SCONJ`
`PRCL`	`PART`
`INTJ`	`INTJ`

Отдельные слова получают часть речи по соглашениям SynTagRus: вводные «однако», «например» - ADV, «бы» - AUX и т. д. (см. Части речи и признаки). Токены вне словаря: NUMB - NUM с NumForm=Digit, ROMN - ADJ с NumForm=Roman, LATN - X с Foreign=Yes, PNCT - PUNCT или SYM, UNKN - X без признаков (см. Токены вне словаря).

Граммемы¶

OpenCorpora	UD
`nomn`, `gent`, `datv`, `accs`, `ablt`, `loct`, `voct`	`Case`: `Nom`, `Gen`, `Dat`, `Acc`, `Ins`, `Loc`, `Voc`
`gen1`, `acc2`, `loc1`	`Case`: `Gen`, `Acc`, `Loc`
`gen2` («стакан чаю»)	`Case=Par`
`loc2` («в лесу»)	`Case=Loc` с пометой `loc2`
`sing`, `plur`	`Number`: `Sing`, `Plur`
`masc`, `femn`, `neut`	`Gender`: `Masc`, `Fem`, `Neut`
`ms-f` («сирота»)	`Gender=Masc`
`anim`, `inan`	`Animacy`: `Anim`, `Inan`
`1per`, `2per`, `3per`	`Person`: `1`, `2`, `3`
`pres`, `past`, `futr`	`Tense`: `Pres`, `Past`, `Fut`; будущее «быть» - `Tense=Pres` с пометой `futr`
`perf`, `impf`	`Aspect`: `Perf`, `Imp`
`indc`, `impr`	`Mood`: `Ind`, `Imp`
`actv`, `pssv`	`Voice`: `Act`, `Pass`; у возвратных глаголов - `Mid`
`Name`, `Surn`, `Patr`, `Geox`, `Orgn`, `Trad`	`NameType`: `Giv`, `Sur`, `Pat`, `Geo`, `Com`, `Pro`; у прилагательных - пометы `labels`
`Supr`	`Degree=Sup`
`Abbr`	`Abbr=Yes`; у склоняемых аббревиатур («вуз») - помета `labels`
`Abbr` и `Anum` вместе («1-го», «90-х»)	`NumType=Ord`, `NumForm=Combi`, без `Abbr`
`Poss`	`Poss=Yes`; у прилагательных - помета `labels`
`Fixd`	у существительных, кроме аббревиатур, - `InflClass=Ind`, у остальных слов - помета `labels`
`Apro`	часть речи `DET`
`Dmns`, `Ques` («там», «где»)	`PronType`: `Dem`, `Rel`, `Int`
`Anum` у слов («первый»), `GNdr`	нет
остальные: `Infr`, `Slng`, `Arch`, `Qual`, `tran`, `intr`, `V-oy` и др.	пометы `labels`

Признак Voice есть у всех форм глагола, а Degree - у всех наречий и у прилагательных, кроме порядковых, записанных арабскими или римскими цифрами («1-го», «2026», «XX»), хотя в OpenCorpora граммемы залога есть только у причастий, а степени - только у превосходной и сравнительной.

Отличия в поведении¶

Леммы следуют SynTagRus: «Ивановой» - «иванова», а не «иванов», «важнейшей» - «важнейший», а не «важный», «денег» - «деньги», а не «деньга».
Разборы, которые в UD совпадают (союз и наречие «так»), объединены в один, их вероятности сложены, поэтому разборов бывает меньше, чем у pymorphy.
Формы inflect и agree возвращают строку, а не разбор; если формы нет, бросают FormNotFoundError, подкласс LookupError.
Токены вне словаря разбираются по правилам с частями речи и признаками UD: «2005-го» - порядковое прилагательное в родительном падеже с формами («2005-му»), а не несклоняемое существительное, как у pymorphy3.
Скорость. Разбор и лемматизация в 6-8 раз быстрее, чем у pymorphy3[fast], и в 30-60 раз - чем у pymorphy3 без него, а списки слов разбираются без GIL, см. Скорость и память.