使用過hanlp的都知道hanlp中有許多詞典，它們的格式都是非常相似的，形式都是文本文檔，隨時可以修改。本篇文章詳細介紹了hanlp中的詞典格式，以滿足用戶自定義的需要。
基本格式
詞典分爲詞頻詞性詞典和詞頻詞典。
1、詞頻詞性詞典（如CoreNatureDictionary.txt）
（1）每一行代表一個單詞，格式遵從[單詞] [詞性A] [A的頻次] [詞性B] [B的頻次] ...。
（2）支持省略詞性和頻次，直接一行一個單詞。
（3）.txt詞典文件的分隔符爲空格或製表符，所以不支持含有空格的詞語。如果需要支持空格，請使用英文逗號,分割的純文本.csv文件。在使用Excel等富文本編輯器時，則請注意保存爲純文本形式。
2、詞頻詞典（如CoreNatureDictionary.ngram.txt）
（1）每一行代表一個單詞或條目，格式遵從[單詞] [單詞的頻次]。
（2）每一行的分隔符爲空格或製表符。
少數詞典有自己的專用格式，比如同義詞詞典兼容《同義詞詞林擴展版》的文本格式，而轉移矩陣詞典則是一個csv表格。
下文主要介紹通用詞典，如不註明，詞典特指通用詞典。
數據結構
Trie樹（字典樹）是HanLP中使用最多的數據結構，爲此，我實現了通用的Trie樹，支持泛型、遍歷、儲存、載入。
用戶自定義詞典採用AhoCorasickDoubleArrayTrie和二分Trie樹儲存，其他詞典採用基於雙數組Trie樹(DoubleArrayTrie)實現的AC自動機AhoCorasickDoubleArrayTrie。關於一些常用數據結構的性能評估，請參考wiki。
儲存形式
詞典有兩個形態：文本文件(filename.txt)和緩存文件(filename.txt.bin或filename.txt.trie.dat和filename.txt.trie.value)。
1、文本文件
·採用明文儲存，UTF-8編碼，CRLF換行符。
2、緩存文件
（1）就是一些二進制文件，通常在文本文件的文件名後面加上.bin表示。有時候是.trie.dat和.trie.value。後者是歷史遺留產物，分別代表trie樹的數組和值。
（2）如果你修改了任何詞典，只有刪除緩存才能生效。
修改方法
HanLP的核心詞典訓練自人民日報2014語料，語料不是完美的，總會存在一些錯誤。這些錯誤可能會導致分詞出現奇怪的結果，這時請打開調試模式排查問題：
HanLP.Config.enableDebug();
（1）核心詞性詞頻詞典
a）比如你在data/dictionary/CoreNatureDictionary.txt中發現了一個不是詞的詞，或者詞性標註得明顯不對，那麼你可以修改它，然後刪除緩存文件使其生效。
B）目前CoreNatureDictionary.ngram.txt的緩存依賴於CoreNatureDictionary.txt的緩存，修改了後者之後必須同步刪除前者的緩存，否則可能出錯
（2）核心二元文法詞典
a） 二元文法詞典data/dictionary/CoreNatureDictionary.ngram.txt儲存的是兩個詞的接續，如果你發現不可能存在這種接續時，刪掉即可。
B）你也可以添加你認爲合理的接續，但是這兩個詞必須同時在覈心詞典中才會生效。
（3）命名實體識別詞典
a）基於角色標註的命名實體識別比較依賴詞典，所以詞典的質量大幅影響識別質量。
b）這些詞典的格式與原理都是類似的，請閱讀相應的文章或代碼修改它。