在Python中，你可以使用NLTK（Natural Language Toolkit）库的`nltk.ne_chunk`或`nltk.pos_tag`功能来提取文本中的命名实体。下面是一个使用nltk库提取命名实体的基本步骤：

首先，你需要确保已经安装了NLTK库。如果没有安装，你可以通过pip来安装：

```bash

pip install nltk

```

然后，你可以按照以下步骤来提取命名实体：

1. 导入必要的模块和包。

2. 下载和加载必要的语言模型（例如，对于英文，你需要下载Punkt分词器模型）。

3. 使用`nltk.ne_chunk`或者`nltk.pos_tag`函数对文本进行命名实体识别。

下面是一个简单的例子，展示了如何使用NLTK来提取英文文本中的命名实体：

```python

import nltk

from nltk import ne_chunk

# 确保你的NLTK库已经下载了必要的语言模型

nltk.download('punkt')

nltk.download('averaged_perceptron_tagger') # 用于词性标注的模型

# 示例文本

text = "Apple is looking at buying U.K.'s largest chipmaker, Imagination Technologies."

# 使用ne_chunk进行命名实体识别

tagged = ne_chunk(nltk.pos_tag(nltk.word_tokenize(text)))

named_entities = [tree for tree in tagged if tree[0] == 'I-PER' or tree[0] == 'I-ORG' or tree[0] == 'I-LOC'] # 提取人名、组织名和地名

# 打印结果

for entity in named_entities:

print(entity)

```

这个脚本会输出文本中的人名、组织名和地名等命名实体。请注意，这只是一种基本的方法，实际的应用可能需要根据特定的需求进行更复杂的处理。另外，这个脚本也假设你的输入是英文。如果你需要处理其他语言，你可能需要使用其他工具或模型。

此外，NLTK还提供了其他一些工具和资源，如词性标注、分词等，这些都可以帮助你更深入地处理和分析文本数据。