Spring MVCD框架中调用HanLP分词的方法

阅读更多

 

项目简要：关于java web的一个项目，用的Spring MVCd 框架。鉴于参与此次项目的人中并不是所人都做的Spring，为了能够提高效率，建议大家是先抛开SPring来写自己负责的模块，最后再把各个模块在Spring里面集成。

项目里有一个文本分析的模块是一个同学用hanlp写的，由于在最后集成的时候直接使用maven添加的依赖，但最终测试时无法通过。后经分析发现她坐了实体识别，是自己改了hanlp的词典，手动加了很多词，而且在后期版本的迭代中还有可能继续改了hanlp的词典，这就意味着不能用maven直接导入仓库里的包了，只有将修改后的data文件放到本地，然后指定路径给hanlp。

网上有一些解决的方法，但都是在项目部署的时候，把hanlp的词典数据放到服务器上一个固定位置上，然后再配置hanlp的配置文件，指定一个固定位置。这种方法虽然比较直接，但是并不能够把hanlp的词典数据与整个项目打包到一起，后期的管理也比较麻烦。倘若把数据直接作为项目的资源文件，部署到Tomcat上后无论怎么在配置里写路径都会提示找不到词典文件。

在分析了HanLP的issue之后，发现这个项目支持自定义读写文件的IO类。在一个将词典数据放到HDFS上的一个blog启发下，尝试通过重写一个IOAdapter类，使用读写静态资源文件的方法读取词典数据了，这样不就可以把data跟项目打包到一起了。

代码如下：

1| package com.car.util.nlp;

2|

3| import com.hankcs.hanlp.corpus.io.IIOAdapter;

4| import org.springframework.core.io.ClassPathResource;

5| import java.io.*;

6|

7| public class ResourcesFileIoAdapter implements IIOAdapter{

8|   @Override

9|    public InputStream open(String path) throws IOException {

  10|      ClassPathResource resource = new ClassPathResource(path);

  11|     InputStream is = new FileInputStream(resource.getFile());

  12|      return is;

  13|  }

  14|  @Override

  15|  public OutputStream create(String path) throws IOException{

  16|      ClassPathResource resource = new ClassPathResource(path);

  17|      OutputStream os = new 

18| FileOutputStream(resource.getFile());

  19|      return os;

  20|   }

21| }

 

整好了之后把data文件夹和hanlp.properties放到项目的资源文件夹里，在配置文件里修改一下路径和IOAdapte：

1| root=

2|

3| IOAdapte=com.car.util.nlp.ResourcesFileIoAdapter