java-hanlp中文语言处理

hanlp是一款开源的中文语言处理工具。

环境：jdk1.7、myeclipse8.5、win64

官网：http://hanlp.linrunsoft.com/
git下载使用说明地址：https://github.com/hankcs/HanLP
在线演示地址：http://hanlp.com/?sentence=http://hanlp.com/
百度云链接： https://pan.baidu.com/s/1kBJH1PAE4-S_Mfn_igp4Vw

使用步骤

1.官网下载本地词库
2.下载jar包与配置文件
3.新建工程导入jar，配置文件
4.修改配置文件 root=D:/datacjy/hanlp 为本地下载好的词库
5.开始使用

上面给的百度云链接是本人下载的目前官网最新的1.6.8版本，里面有词库，jar包与配置文件、官网demo工程，本人测试工程

工程解析：
1.com.hankcs包下是官网demo中的 test文件夹下的代码，工程完善可直接运行
2.hanlp.properties 是配置文件需要修改下载后的本地词库位置
3.lib下是jar包，源码包

配置文件修改：
配置文件的作用是告诉HanLP数据包的位置，只需修改第一行
root=D:/datacjy/hanlp
为data的父目录即可，比如data目录是/Users/hankcs/Documents/data，那么root=/Users/hankcs/Documents/ 。

测试

package com.hankcs.demo;

import com.hankcs.hanlp.HanLP;

/**

• 第一个Demo，惊鸿一瞥
• @author hankcs
  */
  public class DemoAtFirstSight
  {
  public static void main(String[] args)
  {
  System.out.println("首次编译运行时，HanLP会自动构建词典缓存，请稍候……");
  // HanLP.Config.enableDebug(); // 为了避免你等得无聊，开启调试模式说点什么:-)
  System.out.println(HanLP.segment("你好，欢迎使用HanLP汉语处理包！接下来请从其他Demo中体验HanLP丰富的功能~"));
  }
  }
  /*
  首次编译运行时，HanLP会自动构建词典缓存，请稍候……
  [你好/vl, ，/w, 欢迎/v, 使用/v, HanLP/nx, 汉语/gi, 处理/vn, 包/v, ！/w, 接下来/vl, 请/v, 从/p, 其他/rzv, Demo/nx, 中/f, 体验/v, HanLP/nx, 丰富/a, 的/ude1, 功能/n, ~/nx]
  /

演示用户词典的动态增删

package com.hankcs.demo;

import com.hankcs.hanlp.HanLP;
import com.hankcs.hanlp.collection.AhoCorasick.AhoCorasickDoubleArrayTrie;
import com.hankcs.hanlp.dictionary.BaseSearcher;
import com.hankcs.hanlp.dictionary.CoreDictionary;
import com.hankcs.hanlp.dictionary.CustomDictionary;

import java.util.Map;

/**

• 演示用户词典的动态增删

• @author hankcs
  */
  public class DemoCustomDictionary
  {
  public static void main(String[] args)
  {
  // 动态增加
  CustomDictionary.add("攻城狮");
  // 强行插入
  CustomDictionary.insert("白富美", "nz 1024");
  // 删除词语（注释掉试试）
  // CustomDictionary.remove("攻城狮");
  System.out.println(CustomDictionary.add("单身狗", "nz 1024 n 1"));
  // System.out.println(CustomDictionary.get("单身狗"));

  String text = "攻城狮逆袭单身狗，迎娶白富美，走上人生巅峰";  // 怎么可能噗哈哈！
  
  // DoubleArrayTrie分词
  final char[] charArray = text.toCharArray();
  CustomDictionary.parseText(charArray, new AhoCorasickDoubleArrayTrie.IHit<CoreDictionary.Attribute>()
  {
      @Override
      public void hit(int begin, int end, CoreDictionary.Attribute value)
      {

  // System.out.printf("[%d:%d]=%s %s\n", begin, end, new String(charArray, begin, end - begin), value);
  }
  });
  // 首字哈希之后二分的trie树分词
  BaseSearcher searcher = CustomDictionary.getSearcher(text);
  Map.Entry entry;
  while ((entry = searcher.next()) != null)
  {
  // System.out.println(entry);
  }

  // 标准分词
  System.out.println(HanLP.segment(text));
  
  // Note:动态增删不会影响词典文件
  // 目前CustomDictionary使用DAT储存词典文件中的词语，用BinTrie储存动态加入的词语，前者性能高，后者性能低
  // 之所以保留动态增删功能，一方面是历史遗留特性，另一方面是调试用；未来可能会去掉动态增删特性。

  }
  }

//true
//[攻城狮/nz, 逆袭/nz, 单身狗/nz, ，/w, 迎娶/v, 白富美/nz, ，/w, 走上/v, 人生/n, 巅峰/n]
//自定义词：攻城狮、单身狗、白富美

注意：修改配置文件本地词库位置

文章来源于风zi的博客

转载于:https://blog.51cto.com/13993767/2333343