ICTCLAS2013 的使用方法

       

这个工具是什么？先看看他的官方介绍吧：

NLPIR汉语分词系统(又名ICTCLAS2013),主要功能包括中文分词；词性标注；命名实体识别；用户词典功能；支持GBK编码、UTF8编码、BIG5编码。新增微博分词、新词发现与关键词提取；张华平博士先后倾力打造十余年，内核升级10次。

[ICTCLAS版本已经更新，按照本博客操作可能遇到错误，最新ICTCLAS2014 c++版本使用方法请点击打开链接]

ICTCLAS2013 Java版本的使用方法 请点击点击打开链接

ICTCLAS2014 c++版本的使用方法   请点击点击打开链接

一，先下载c++版本：点击打开链接

解压文件后看到很多文件的：

图1. rar解压后的文件图

二，自己新建一个c++工程，在vs2010建名为ICTCLAS的工程。

建好后如图所示：

图2. 工程ICTCLAS根目录下的文件

三，将图1中的example-c文件夹（是整个文件夹，下同）复制到图2的ICTCLAS目录下，并且在ICTCLAS源文件中导入，同时将ICTCLAS.cpp文件下的_tmain函数注释掉。如图：

图3. 导入example-c文件夹下的Example-C.cpp文件

图4. 导入完成后，工程下面出现Example-C.cpp文件（图中红底线示意）

四，将图1中的include文件夹复制到图2的工程根目录下。否则，会出现下图所示错误。

图5. 复制include文件夹之前工程提示“无法打开源文件 "../../include/NLPIR.h"”

图6.复制include文件夹之后，工程ICTCLAS根目录下的文件

五，

1>将图1中的lib文件夹复制到图2工程根目录下面，并且在项目->添加现有项中导入lib下的NLPIR.lib文件。

图7.  导入lib文件夹下NLPIR.lib文件

2>将图1中bin文件夹下的NLPIR.dll文件复制到工程根目录下ICTCLAS目录下Debug目录下。

3>注释掉Example-C.cpp文件第9行语句。

 #pragma comment(lib, "../../bin/NLPIR.lib")  -->   // #pragma comment(lib, "../../bin/NLPIR.lib")

   （不要问我为什么，我只能告诉你，我也不知道。在我实验中不注释掉这句话，依然报错 fatal error LNK1104。）

如果上述3步没有做好，控制台可能会输出下图所示的错误： 

图8. 导入库文件失败，控制台输出错误信息： LINK : fatal error LNK1104: 无法打开文件“../../bin/NLPIR.lib”

六，将图1中的Data文件夹和test文件夹复制到图2工程根目录下。

图9， 步骤六完成后工程根目录下的文件

七，运行工程，虽然控制台输出乱码信息，但是在test文件夹下出现test-utf8.TXT的分词结果文件test-utf8.TXT_result1.txt，test-utf8.TXT_result2.txt

图10，步骤七完成后，test目录下的文件（红色底线文件是新生成的结果文件）

如果想试试分gbk文件。可以将Example-C.cpp文件第322行的注释去掉。

  //testNewWord(GBK_CODE);    -->   testNewWord(GBK_CODE);

在此我去掉322行注释，对333行进行注释。控制台输出新词识别结果，并且test文件夹下出现对应文件的分词结果文件。

图11，控制台输出新词识别结果

至此，工程已经可以对文件进行分词（注意需要制定文件的格式GBK_CODE，UTF8_CODE等）。

八，如果想对Example-C.cpp文件325行的句子进行分词。如下操作：

1>去掉Example-C.cpp文件327行的注释

//SplitGBK(sInput);   -->  SplitGBK(sInput)

********如果这个时候运行，我的工程会输出：ICTCLAS INIT FAILED!  （初始化失败） 需要进行下面的步骤。

2>修改Example-C.cpp文件80行

if(!ICTCLAS_Init())//数据在当前路径下，默认为GBK编码的分词

-->

if(!ICTCLAS_Init("..",0))//数据在当前路径下，默认为GBK编码的分词

******** 个人经验：他的这个0 表示句子是GBK编码的

运行工程得到下面结果：

图12. 对输入的句子进行的分词结果