第二章 标注环境搭建：Python环境、标注工具安装（LabelStudio）、依赖库配置

好，咱们直接进入正题。做法律数据标注，第一步就是把环境搭好。这活儿看着简单，但我在项目里见过太多人卡在这一步——不是Python版本冲突，就是LabelStudio死活起不来。今天我把踩过的坑都摊开讲，你跟着走一遍，基本不会出问题。

2.1 Python环境配置

我个人习惯用Python 3.9或3.10。为什么？因为LabelStudio和大部分NLP库在这两个版本上最稳。Python 3.11以上有些依赖还没完全跟上，容易报错。

具体操作分三步：

1. 安装Python：去官网下载3.9.x或3.10.x，安装时勾选“Add Python to PATH”。
2. 创建虚拟环境：

# 打开终端（Windows用cmd或PowerShell，Mac/Linux用bash）
python -m venv legal_annotation_env

# 激活环境
# Windows:
legal_annotation_env\Scripts\activate
# Mac/Linux:
source legal_annotation_env/bin/activate

# 看到终端前面出现 (legal_annotation_env) 就对了

3. 升级pip：

pip install --upgrade pip

嗯，这里要注意：如果你在公司内网，可能需要配置镜像源。我曾经在客户现场折腾了两小时，才发现是网络代理的问题。

2.2 LabelStudio安装与配置

LabelStudio是目前法律标注领域最顺手的工具。它支持文本分类、序列标注、多轮对话标注，而且可以自定义模板。说白了，你需要的功能它基本都有。

2.2.1 安装方式

有两种方式：pip安装和Docker安装。我推荐pip，因为更轻量，调试也方便。

# 在刚才激活的虚拟环境中执行
pip install label-studio

# 验证安装
label-studio --version
# 如果输出版本号，比如 1.11.0，就说明装好了

Docker方式适合团队部署：

docker pull heartexlabs/label-studio:latest
docker run -it -p 8080:8080 heartexlabs/label-studio

2.2.2 启动与初始化

# 启动LabelStudio
label-studio start

# 默认会在 http://localhost:8080 启动
# 第一次访问会让你创建管理员账号

启动后，你会看到这样的界面：

✓  Label Studio is running on http://localhost:8080
✓  Check out the documentation at http://localhost:8080/docs

打开浏览器，注册一个账号。嗯，这里有个坑——密码要求至少8位，包含大小写字母和数字。我上次给客户演示时，随手输了个“123456”，结果被拒绝了，场面一度很尴尬。

2.2.3 创建法律标注项目

登录后，点击“Create Project”。项目名称我建议用“法律合同实体标注_2024”这种格式，方便后续管理。

在“Labeling Setup”中，选择“Named Entity Recognition”。然后添加标签：

• 当事人（甲方、乙方、第三方）
• 金额（合同金额、违约金、赔偿金）
• 日期（签订日期、履行期限、生效日期）
• 条款编号（第一条、第2.1款）
• 法律术语（不可抗力、违约责任、知识产权）

这些标签是法律标注的基础。我在实际项目中，还会根据具体合同类型增加“管辖法院”、“争议解决方式”等标签。

2.3 依赖库配置

光有LabelStudio还不够，我们还需要一些辅助库来处理数据、做预标注、导出结果。

2.3.1 核心依赖

库名	用途	安装命令
label-studio-sdk	Python调用LabelStudio API	pip install label-studio-sdk
pandas	数据处理与导出	pip install pandas
spacy	预标注与实体识别	pip install spacy
transformers	法律大模型推理	pip install transformers
openpyxl	Excel格式导出	pip install openpyxl

2.3.2 一键安装脚本

我习惯把依赖写到一个文件里，方便复现：

# requirements.txt
label-studio==1.11.0
label-studio-sdk==1.0.3
pandas==2.1.0
spacy==3.7.2
transformers==4.36.0
openpyxl==3.1.2

然后执行：

pip install -r requirements.txt

2.3.3 验证环境

写个简单的测试脚本，确认所有组件都能正常工作：

# test_env.py
import label_studio
import label_studio_sdk
import pandas as pd
import spacy
import transformers

print("✅ LabelStudio 版本:", label_studio.__version__)
print("✅ LabelStudio SDK 版本:", label_studio_sdk.__version__)
print("✅ Pandas 版本:", pd.__version__)
print("✅ SpaCy 版本:", spacy.__version__)
print("✅ Transformers 版本:", transformers.__version__)

# 测试LabelStudio连接
from label_studio_sdk import Client
ls = Client(url='http://localhost:8080', api_key='你的API密钥')
print("✅ LabelStudio 连接成功")

运行 python test_env.py，如果全部输出绿色勾，说明环境搭建完成。

2.4 知识体系总览

下面这张图把本章的核心逻辑串起来了。你跟着这个流程走，不会迷路：

2.5 避坑指南

最后，分享几个我实际项目中遇到的坑：

• 端口被占用：如果8080端口被其他程序占了，用 label-studio start -p 8081 换个端口。
• API密钥找不到：在LabelStudio界面右上角，点你的头像 → Account → Access Token，复制即可。
• 中文乱码：导入数据时，确保文件编码是UTF-8。我曾经用GBK编码导入，结果所有中文都变成了乱码，重新标注了两天的工作量。
• 内存不足：如果法律文档特别大（比如几百页的合同），LabelStudio可能会卡。建议先拆分文档，每份不超过50页。

好了，环境搭建就到这里。你跟着操作一遍，应该半小时内就能跑起来。如果遇到问题，检查一下虚拟环境是否激活、pip版本是否够新——80%的问题都出在这两个地方。

---