ICTCLAS2010的JNI调用实现过程

ICTCLAS2010的JNI调用实现过程

(2010-07-28 21:46:58) 转载 标签： ictclas2010 jni调用 java 中文分词 分类： 编程语言 ICTCLAS2010的JNI调用实现过程 JNI是Java Native Interface的缩写，中文为JAVA本地调用，详细信息可以看百度百科关于JNI的介绍： http://baike.baidu.com/view/1272329.htm?fr=ala0_1_1 如果觉的这里JNI调用没有讲清楚的话，（因为我主要通过一个完整的案例来讲的，所以过于JNI的详细的教程没有！）可以看这个网址的教程，我开始学的时候看到的，还可以了，入门还行： http://developer.51cto.com/art/200509/2815.htm JNI调用一般步骤：      以本讲解程序为例：      1)首先这样一句话：          static {              System.loadLibrary("ICTCLAS2010");          }     引入dll文件(就是要背Java调用的文件，在Windows操作系统是dll文件，所以不需要些后缀名)     2)然后根据接口文档（这个需要接口文档，如果是自己写的就应该知道），引入该dll中的需要的方法，并且都是native方法，只引入，不实现。     格式如下：     public native boolean ICTCLAS_Init(byte[] sPath);     把这些写入一个类中。     然后就可以在其他的类中调用这个类中的本地方法(native)了。     准备工作当然要把dll文件放在项目文件夹下边。     (其他的需要的配置文件，和一些文件也学要准备好！)     现在开始实现ICTCLAS2010的调用：      使用工具：Eclipse      下载ICTCLAS2010-packet-release，这里提供一个新浪共享资料的下载地址：       http://ishare.iask.sina.com.cn/f/7446738.html?from=dl      将下载好的文件解压，里边有许多文件，待会儿要用。     新建一个项目：     将解压文件夹中的Data文件夹，ICTCLAS2010.dll文件(就是我们需要调用的C++写的分词器了)，ICTCLAS30.log文件(可以自己创建的，初始的时候是空的，是一个日志文件)，Configure.xml配置文件(可以自己写，不过这里有现成的就直接拷过去了，然后根据自己的需要改改就好了)，userdic.txt(用户词典文件，可以自己创建，然后再写代码的时候使用接口函数调用就可以了)，还有一些其他的文件在这个程序里没有用到，所以不再说了！     编写第一个类是JNI调用的类ICTCLAS2010.java：   package ICTCLAS.kevin.zhang; public class ICTCLAS2010 {         static {        System.loadLibrary("ICTCLAS2010");     }         //初始化     public native boolean ICTCLAS_Init(byte[] sPath);     //退出     public native boolean ICTCLAS_Exit();     //导入用户词典     public native int ICTCLAS_ImportUserDict(byte[] sPath);     //获取uni概率     public native float ICTCLAS_GetUniProb(byte[] sWord);     //判断词典中有没有这个词     public native boolean ICTCLAS_IsWord(byte[] sWord);     //一段文字的分词     public native byte[] ICTCLAS_ParagraphProcess(byte[] sSrc, int bPOSTagged);     //一个文本文件的分词     public native boolean ICTCLAS_FileProcess(byte[] sSrcFilename,            byte[] sDestFilename, int bPOSTagged);     public native byte[] nativeProcAPara(byte[] src);     public native int ICTCLAS_AddUserWord(byte[] sWord);     public native int ICTCLAS_SaveTheUsrDic();     public native int ICTCLAS_DelUsrWord(byte[] sWord);     public native int ICTCLAS_KeyWord(byte[] resultKey, int nCountKey);     public native long ICTCLAS_FingerPrint();     public native int ICTCLAS_SetPOSmap(int nPOSmap);     public native int ICTCLAS_GetElemLength(int nIndex);   } 上边调用的这些本地(native)方法，在接口文档(刚才下载的文件夹下的“文档“文件夹下边有个ICTCLAS2010接口文档.doc文件)中都是有详细介绍的，我的博文中也做了一些介绍，主要做翻译工作和整理工作 (http://blog.sina.com.cn/s/blog_5dc8d9a50100kwuy.html)。 然后第二个类Splitter.java是分词的主类： package ICTCLAS.kevin.zhang;   import java.io.IOException; import java.io.UnsupportedEncodingException;   public class Splitter {         private ICTCLAS2010 ictclas = null;//创建上边第一个类的对象     private boolean available ;         public Splitter() throws IOException {        this.ictclas = new ICTCLAS2010();        this.available = init();     }     //初始化     private boolean init() throws IOException {        String argu = ".";        if (ictclas.ICTCLAS_Init(argu.getBytes("GB2312")) == false) {            System.out.println("Init Fail!");            return false;        } else            return true;     }         public int importUserDict(String userDict) throws UnsupportedEncodingException {        if (available) {            int nCount = ictclas.ICTCLAS_ImportUserDict(userDict                   .getBytes("GB2312"));            return nCount;        } else            return 0;     }     //分词     public String split(String str, int tag) throws IOException {        if (available) {            String string;            byte[] bytes = ictclas.ICTCLAS_ParagraphProcess(str                   .getBytes("GB2312"), tag);            string = new String(bytes, 0, bytes.length, "GB2312");            return string.trim();                   } else            return null;     }     //退出     public void exit() {        ictclas.ICTCLAS_Exit();     }     } 我们在写一个测试的类Main.java： package ICTCLAS.kevin.zhang; //分词器调用测试类 import java.io.IOException;   public class Main {       public static void main(String args[]) throws IOException{        String s = "武汉大学校长顾海良" +               "说武大梅园的风景很美，其实我就住在梅园！";        //ICTCLAS2010 ictclas = new ICTCLAS2010();        Splitter splitter = new Splitter();        int n = splitter.importUserDict("userDic.txt");        System.out.println("用户词典数量："+n);        String ss = splitter.split(s, 1).trim();        System.out.println("分词结果:"+ss);        String[] array = ss.split("\\s");        for(String en : array){            System.out.println(en);        }     } } 程序的运行结果： 用户词典数量：4 分词结果:武汉大学/nt 校长/n 顾海良/nr 说/v 武大/n 梅园/ns 的/ude1 风景/n 很/d 美/a ，/wd 其实/d 我/rr 就/d 住/vi 在/p 梅园/ns ！/wt 武汉大学/nt 校长/n 顾海良/nr 说/v 武大/n 梅园/ns 的/ude1 风景/n 很/d 美/a ，/wd 其实/d 我/rr 就/d 住/vi 在/p 梅园/ns ！/wt   我的用户词典userDic.txt的内容如下：     武汉大学 nt     顾海良 nr     李白 nr     梅园 ns 用户词典的前边词和右边的词性标注用空格分开 大家可以试着把用户自定义词典中的一些词去掉之后，看看分词的结构会有什么不同！ 每个词后边的词性标注的符号含义，在刚才下载的文档中的“文档“文件夹下的ICTPOS3.0.doc文件中有详细介绍。如：nt是机构名，nr是人名，ns是地名 本程序的配置文件的内容如下： <?xmlversion="1.0"encoding="GB2312"?> <ICTCLAS>     <DataPath>Data</DataPath>       //Data文件夹路径     <TagSet>ICTPOS.map</TagSet>     //词性标注集映射文件     <UserDict>on</UserDict>         //OnUserDictionaryapplied;Off:notapplied；     <UserDictPrior>On</UserDictPrior>  //用户词典优先,Addedin2006-03-16,requiredbyNECOn：用户词典和核心词典中同时有的词汇，用户词典优  //先，本功能不要滥用，如果将核心词典中的词都设置为用户词典，其效果适得其反     <FieldDict>off</FieldDict>      //On：FieldDictionaryapplied;Off:notapplied；      <GranularityContorl>off</GranularityContorl>     <Log>On</Log>        //On,Off；例如：Off:关闭日志功能；On:打开日志功能     <version>2010</version>         //系统版本号     <Modify>2010-1-25</Modify>      //系统最近修订时间     <Lexicon>2009-11-27</Lexicon>   //词典最近修订时间     <Contact>pipy_zhang@msn.com</Contact>     //词典最近修订时间 </ICTCLAS>  以上程序是参考我的一个学长写的代码！使我受益匪浅，非常感谢他！