如何让Stanford CoreNLP 3.9.1法语输出包含before和after节点？

我之前在使用CoreNLP处理多语言文本时也碰到过一模一样的问题，不同语言的默认配置确实藏着这些细节差异。法语的默认分词器配置没有开启beforeAfterAnnotations选项，而德语等语言的默认配置里是开启的，这就是为什么输出会有区别。

下面给你两种可行的解决办法：

方法一：修改法语默认配置文件 #

1. 找到你的Stanford CoreNLP安装目录，定位到french.properties文件（一般在stanford-corenlp-3.9.1-models-french包里）
2. 打开文件后，找到和分词相关的配置段，添加或修改tokenize.options参数，确保包含beforeAfterAnnotations=true：

   tokenize.options = splitHyphenated=true, keepEmptyTokens=false, beforeAfterAnnotations=true
   

   这个参数的作用就是让分词器生成每个token前后的文本（比如空格、标点等）并输出为before和after节点。
3. 保存修改后，重启CoreNLP HTTP服务器，再测试法语文本的分词输出就能看到这两个节点了。

方法二：启动服务器时直接指定参数（无需修改配置文件） #

如果不想改动默认配置文件，可以在启动HTTP服务器的命令行里直接覆盖分词选项：

java -mx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer -port 9000 -timeout 15000 -props french.properties -tokenize.options beforeAfterAnnotations=true

这里的-tokenize.options beforeAfterAnnotations=true会强制开启该选项，覆盖french.properties里的默认设置。

额外提示：API请求时临时指定参数 #

如果只是想针对某一次请求开启这个功能，也可以在发送POST请求时，在请求体的properties字段里添加配置：

{
  "text": "Ton texte français ici",
  "properties": {
    "tokenize.options": "beforeAfterAnnotations=true"
  }
}

这样处理后，法语分词的输出格式就会和德语保持一致，每个token对象里都会包含before和after节点啦。

内容的提问来源于stack exchange，提问作者bendecko