HanLP Java 配置和初步使用

HanLP介绍

HanLP是一款面向生产环境的自然语言处理工具包。
具有的功能如下：
中文分词 词性标注 命名实体识别 依存句法分析 语义依存分析 新词发现 关键词短语提取 自动摘要 文本分类聚类 拼音简繁 自然语言处理
【官方地址】http://hanlp.com
【GitHub地址】https://github.com/hankcs/HanLP

HanLP安装（Java）

本文章着重对HanLP的Java项目的安装进行讲解。

如果你想在Java项目中使用HanLP，那么现在还不能体验到HanLP2.0版本（20200208），现在只能安装在1.X分支（https://github.com/hankcs/HanLP/tree/1.x）。

安装方法有两种：

方式一：Maven仓库

<dependency><groupId>com.hankcs</groupId><artifactId>hanlp</artifactId><version>portable-1.7.6</version>
</dependency>

零配置，即可使用基本功能（除由字构词、依存句法分析外的全部功能）。

对于分词来说，StandardTokenizer标准分词器可用，但是NLPTokenizer分词器会出错，需要data包。

本方法同样支持hanlp.properties（方式二中），也就是可配置data，无需手动引入jar包

方式二：自行下载jar、data、hanlp.properties。

1. 下载
   data.zip
   hanlp-release.zip

2. data.zip包含dictionary和mode两个文件夹。
   lhanlp-release.zip包含hanlp-1.7.6.jar、hanlp-1.7.6-sources.jar以及最重要的hanlp.properties。
   解压data.zip得到data文件夹。

3. 将data文件夹、hanlp.properties移动到java项目中，这里我移动到了resources中，具体路径：

src/main/resources

4. 修改hanlp.properties中的root路径（data的父目录）：

root=./src/main/resources

5. 引入jar包（如果同时使用了方式一就不需要这一步），这里自行百度，不同IDE方式不同。

HanLP初步使用

NLP分词初体验

package com.hankcs.demo;import com.hankcs.hanlp.tokenizer.NLPTokenizer;
import com.hankcs.hanlp.utility.TestUtility;public class DemoNLPSegment extends TestUtility
{public static void main(String[] args){NLPTokenizer.ANALYZER.enableCustomDictionary(false); // 不用词典照样分词。System.out.println(NLPTokenizer.segment("在我国，春季田间管理的重点是夏季粮油作物，主要是冬小麦和油菜，产量超过全年粮食产量的五分之一。"));NLPTokenizer.ANALYZER.enableCustomDictionary(true); // 使用用词典分词。System.out.println(NLPTokenizer.segment("在我国，春季田间管理的重点是夏季粮油作物，主要是冬小麦和油菜，产量超过全年粮食产量的五分之一。"));System.out.println(NLPTokenizer.analyze("我救的不是他，是多年前一个寒夜里，在篝火与烈酒中，想仗剑江湖的少年。").translateLabels());
//        result.setData(JSON.toJSON(segmentList));}
}

输出结果：

[在/p, 我国/n, ，/w, 春季/t, 田间管理/l, 的/u, 重点/n, 是/v, 夏季/t, 粮油/j, 作物/n, ，/w, 主要/d, 是/v, 冬小麦/n, 和/c, 油菜/n, ，/w, 产量/n, 超过/v, 全年/n, 粮食/n, 产量/n, 的/u, 五分之一/m, 。/w]
[在/p, 我国/n, ，/w, 春季/t, 田间管理/l, 的/u, 重点/n, 是/v, 夏季/t, 粮油/j, 作物/n, ，/w, 主要/d, 是/v, 冬小麦/n, 和/c, 油菜/n, ，/w, 产量/n, 超过/v, 全年/n, 粮食产量/nz, 的/u, 五分之一/m, 。/w]
我/代词 救/动词 的/助词 不是/成语 他/代词 ，/标点符号 是/动词 多年前/数词 一个/数词 寒夜/名词 里/方位词 ，/标点符号 在/介词 篝火/名词 与/介词 烈酒/名词 中/方位词 ，/标点符号 想/动词 仗剑/动词 江湖/名词 的/助词 少年/名词 。/标点符号

从结果可以看出，使用词典的NLP分词（如果没配置data会出错）将“粮食产量”识别为一个词，不使用词典则分为“粮食”“产量”两个词。

更多实例请移步【官方GitHub-Demo】