基于HanLP分词菜鸟使用教程

基于HanLP分词菜鸟使用教程

官网

http://www.hanlp.com/

依赖

   <dependency>
            <groupId>com.hankcs</groupId>
            <artifactId>hanlp</artifactId>
            <version>portable-1.7.7</version>
        </dependency>

分词包下载

https://github.com/hankcs/HanLP/tree/1.x

下载后整合项目 代码可以自动识别到文件

省市县 地理位置分词拆解 提取 地名ns

package ustils;

import com.hankcs.hanlp.HanLP;
import com.hankcs.hanlp.corpus.tag.Nature;
import com.hankcs.hanlp.model.perceptron.PerceptronLexicalAnalyzer;
import com.hankcs.hanlp.seg.Segment;
import com.hankcs.hanlp.seg.common.Term;

import java.io.IOException;
import java.util.List;

public class HanLpUtils {
    public static void main(String[] args) throws IOException {

//        System.out.println(HanLP.segment("你好，欢迎使用HanLP汉语处理包！"));
        String word = "2020年广州市天河区天河南二路2号输电二所无人机巡视作业招标公告";
        //[2020/m, 年/q, 广州市/ns, 天河区/ns, 天/q, 河南/ns, 二/m, 路/n, 2/m, 号/q, 输电/vn, 二/m, 所/u, 无人机/n, 巡视/v, 作业/vn, 招标/v, 公告/n]
        List<Term> termList=  HanLP.segment( word);
        for (Term term : termList) {
            final Nature nature = term.nature;
            System.out.println("nature=====>"+nature);
            final boolean ns = term.nature.startsWith("ns");
            if(ns){
                System.out.println("找到你想要的词------> "+term.word);
            }else {
                System.out.println("现在不需要以后有需要------> "+term.word);
            }
        }

        System.out.println(termList.get(0));

        System.out.println(termList.toString());

//        PerceptronLexicalAnalyzer analyzer = new PerceptronLexicalAnalyzer("data/model/perceptron/pku199801/cws.bin",
//                HanLP.Config.PerceptronPOSModelPath,
//                HanLP.Config.PerceptronNERModelPath);
//        System.out.println(analyzer.analyze("上海华安工业（集团）公司董事长谭旭光和秘书胡花蕊来到美国纽约现代艺术博物馆参观"));



//        String[] testCase = new String[]{
//                "武胜县新学乡政府大楼门前锣鼓喧天",
//                "蓝翔给宁夏固原市彭阳县红河镇黑牛沟村捐赠了挖掘机",
//        };
//        Segment segment = HanLP.newSegment().enablePlaceRecognize(true);
//        for (String sentence : testCase)
//        {
//            List<Term> termList = segment.seg(sentence);
//            System.out.println(termList);
//        }


    }
}

运行结果

nature=====>m
现在不需要以后有需要------> 2020
nature=====>q
现在不需要以后有需要------> 年
nature=====>ns
找到你想要的词------> 广州市
nature=====>ns
找到你想要的词------> 天河区
nature=====>q
现在不需要以后有需要------> 天
nature=====>ns
找到你想要的词------> 河南
nature=====>m
现在不需要以后有需要------> 二
nature=====>n
现在不需要以后有需要------> 路
nature=====>m
现在不需要以后有需要------> 2
nature=====>q
现在不需要以后有需要------> 号
nature=====>vn
现在不需要以后有需要------> 输电
nature=====>m
现在不需要以后有需要------> 二
nature=====>u
现在不需要以后有需要------> 所
nature=====>n
现在不需要以后有需要------> 无人机
nature=====>v
现在不需要以后有需要------> 巡视
nature=====>vn
现在不需要以后有需要------> 作业
nature=====>v
现在不需要以后有需要------> 招标
nature=====>n
现在不需要以后有需要------> 公告
2020/m
[2020/m, 年/q, 广州市/ns, 天河区/ns, 天/q, 河南/ns, 二/m, 路/n, 2/m, 号/q, 输电/vn, 二/m, 所/u, 无人机/n, 巡视/v, 作业/vn, 招标/v, 公告/n]