java-hanlp中文語言處理

hanlp是一款開源的中文語言處理工具。

環境：jdk1.7、myeclipse8.5、win64

官網：http://hanlp.linrunsoft.com/
git下載使用說明地址：https://github.com/hankcs/HanLP
在線演示地址：http://hanlp.com/?sentence=http://hanlp.com/
百度雲鏈接： https://pan.baidu.com/s/1kBJH1PAE4-S_Mfn_igp4Vw

使用步驟

1.官網下載本地詞庫
2.下載jar包與配置文件
3.新建工程導入jar，配置文件
4.修改配置文件 root=D:/datacjy/hanlp 爲本地下載好的詞庫
5.開始使用

上面給的百度雲鏈接是本人下載的目前官網最新的1.6.8版本，裏面有詞庫，jar包與配置文件、官網demo工程，本人測試工程

工程解析：
1.com.hankcs包下是官網demo中的 test文件夾下的代碼，工程完善可直接運行
2.hanlp.properties 是配置文件需要修改下載後的本地詞庫位置
3.lib下是jar包，源碼包

配置文件修改：
配置文件的作用是告訴HanLP數據包的位置，只需修改第一行
root=D:/datacjy/hanlp
爲data的父目錄即可，比如data目錄是/Users/hankcs/Documents/data，那麼root=/Users/hankcs/Documents/ 。

測試

package com.hankcs.demo;

import com.hankcs.hanlp.HanLP;

/**

• 第一個Demo，驚鴻一瞥
• @author hankcs
  */
  public class DemoAtFirstSight
  {
  public static void main(String[] args)
  {
  System.out.println("首次編譯運行時，HanLP會自動構建詞典緩存，請稍候……");
  // HanLP.Config.enableDebug(); // 爲了避免你等得無聊，開啓調試模式說點什麼:-)
  System.out.println(HanLP.segment("你好，歡迎使用HanLP漢語處理包！接下來請從其他Demo中體驗HanLP豐富的功能~"));
  }
  }
  /*
  首次編譯運行時，HanLP會自動構建詞典緩存，請稍候……
  [你好/vl, ，/w, 歡迎/v, 使用/v, HanLP/nx, 漢語/gi, 處理/vn, 包/v, ！/w, 接下來/vl, 請/v, 從/p, 其他/rzv, Demo/nx, 中/f, 體驗/v, HanLP/nx, 豐富/a, 的/ude1, 功能/n, ~/nx]
  /

演示用戶詞典的動態增刪

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;

/**

• 演示用戶詞典的動態增刪

• @author hankcs
  */
  public class DemoCustomDictionary
  {
  public static void main(String[] args)
  {
  // 動態增加
  CustomDictionary.add("攻城獅");
  // 強行插入
  CustomDictionary.insert("白富美", "nz 1024");
  // 刪除詞語（註釋掉試試）
  // CustomDictionary.remove("攻城獅");
  System.out.println(CustomDictionary.add("單身狗", "nz 1024 n 1"));
  // System.out.println(CustomDictionary.get("單身狗"));

  String text = "攻城獅逆襲單身狗，迎娶白富美，走上人生巔峯";  // 怎麼可能噗哈哈！
  
  // DoubleArrayTrie分詞
  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);
  }
  });
  // 首字哈希之後二分的trie樹分詞
  BaseSearcher searcher = CustomDictionary.getSearcher(text);
  Map.Entry entry;
  while ((entry = searcher.next()) != null)
  {
  // System.out.println(entry);
  }

  // 標準分詞
  System.out.println(HanLP.segment(text));
  
  // Note:動態增刪不會影響詞典文件
  // 目前CustomDictionary使用DAT儲存詞典文件中的詞語，用BinTrie儲存動態加入的詞語，前者性能高，後者性能低
  // 之所以保留動態增刪功能，一方面是歷史遺留特性，另一方面是調試用；未來可能會去掉動態增刪特性。

  }
  }

//true
//[攻城獅/nz, 逆襲/nz, 單身狗/nz, ，/w, 迎娶/v, 白富美/nz, ，/w, 走上/v, 人生/n, 巔峯/n]
//自定義詞：攻城獅、單身狗、白富美

注意：修改配置文件本地詞庫位置

文章來源於風zi的博客