skip to navigation
skip to content

hazm 0.1

Python library for digesting Persian text.

Latest Version: 0.5.2

Python library for digesting Persian text.

  • Text cleaning
  • Sentence and word tokenizer
  • Word lemmatizer
  • POS tagger
  • Dependency parser
  • Corpus readers for Hamshahri and Bijankhan
  • NLTK compatible
  • Python 3.3 and 2.7 support
  • |Build Status|


>>> from hazm import Normalizer
>>> normalizer = Normalizer()
>>> normalizer.normalize('اصلاح نويسه ها و استفاده از نیم‌فاصله پردازش را آسان مي كند')
'اصلاح نویسه‌ها و استفاده از نیم‌فاصله پردازش را آسان می‌کند'

>>> from hazm import sent_tokenize, word_tokenize
>>> sent_tokenize('ما هم برای وصل کردن آمدیم! ولی برای پردازش، جدا بهتر نیست؟')
['ما هم برای وصل کردن آمدیم!', 'ولی برای پردازش، جدا بهتر نیست؟']
>>> word_tokenize('ولی برای پردازش، جدا بهتر نیست؟')
['ولی', 'برای', 'پردازش', '،', 'جدا', 'بهتر', 'نیست', '؟']

>>> from hazm import Stemmer, Lemmatizer
>>> stemmer = Stemmer()
>>> stemmer.stem('کتاب‌ها')
>>> lemmatizer = Lemmatizer()
>>> lemmatizer.lemmatize('می‌روم')

>>> from hazm import POSTagger
>>> tagger = POSTagger()
>>> tagger.tag(word_tokenize('ما بسیار کتاب می‌خوانیم'))
[('ما', 'PR'), ('بسیار', 'ADV'), ('کتاب', 'N'), ('می‌خوانیم', 'V')]

>>> from hazm import DependencyParser
>>> parser = DependencyParser(tagger=POSTagger())
>>> parser.parse(word_tokenize('زنگ‌ها برای که به صدا درمی‌آید ؟'))
<DependencyGraph with 8 nodes>


pip install hazm

We also trained tagger and parser models which you may put them in resources folder of your project.


File Type Py Version Uploaded on Size
hazm-0.1.linux-x86_64.exe (md5) MS Windows installer any 2013-12-14 193KB
hazm-0.1.tar.gz (md5) Source 2013-12-14 131KB
  • Downloads (All Versions):
  • 20 downloads in the last day
  • 250 downloads in the last week
  • 1184 downloads in the last month