一站式文本标注工具doccano（你值得拥有）

1 前言

今天要介绍的是一款开源的语料标注工具doccano[1]。对于NLP中常见的情感分类、命名体识别、序列到序列等的数据标注任务都可以通过doccano来完成。由于工作的关系，笔者还看到一些厂商的标注工具也是基于doccano开发的。在这个项目的另一个主页中[2]，作者也介绍了该项目的四种不同的部署方法，但可能有的地方不是特别详细，因此在安装过程中还是会遇到一些问题。

在接下来的这篇文章中，笔者将对其中的Python部署方法进行介绍，对于期间可能遇到的问题也给出了相应的解决方案；同时，笔者也在原项目的基础上做了一点修改：①将一些每次都需要获取的js等文件部署到了本地以加快访问速度；②对整个doccano项目进行了汉化处理[3]。因此，下面你既可以下载笔者修改后的项目文件，也可以下载原来的工程文件。

这个地址http://124.71.156.219:8000/是笔者已经部署好的doccano，大家可以先进行体验。用户名为admin，密码公众号后台回复doccano可以获取。

2 安装

2.1 安装Python环境

对于该项目我们首先需要一个Python3.6的环境。如果是已经安装过了conda，那么只需要下面一条命令即可完成python环境的安装。

conda create -n docc python=3.6

如果没有conda环境，请参见这篇文章进行安装。

注意：务必建立一个python3.6版本的虚拟环境，因为以下Python依赖包都必须建立在此基础上。

2.2 安装Python依赖包

• 下载doccano工程文件

  首先，我们需要下载doccano项目文件，下面两个工程文件，下载其中一个到本地即可。

  #原始项目文件
  git clone https://github.com/doccano/doccano.git
  
  # 笔者汉化后的项目文件
  git clone https://github.com/moon-hotel/doccano.git
  

• 安装Python依赖包

  下载完成后进入目录doccano/app中安装Python依赖包，如果出现443的网络错误，重新运行即可。

  pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
  

  此时，不出意外会有如下报错信息：

  Error: pg_config executable not found.
  pg_config is required to build psycopg2 from source.  Please add the directory
      containing pg_config to the $PATH or specify the full executable path with the
      option:
  

  解决方法，以root身份运行如下命令：

完整内容点击：一站式语料标注工具（你值得拥有）

安装完成后重新运行上面的python包安装命令。但如果不出意外的话，还会有下面这个错误提示：

#include <sql.h>
              ^~~~~~~
    compilation terminated.
    error: command 'gcc' failed with exit status 1

解决方法，以root身份运行如下命令：

完整内容点击：一站式语料标注工具（你值得拥有）

安装完成后继续运行上面的python包安装命令。如果还出现了如下错误提示：

while (interp->next