中文分词

中文分词中有众多分词工具，如结巴、hanlp、盘古分词器、庖丁解牛分词等；其中庖丁解牛分词仅仅支持java，分词是HanLP最基础的功能，HanLP实现了许多种分词算法，每个分词器都支持特定的配置。接下来我将介绍如何配置Hanlp来开启自然语言处理之旅，每个工具包都是一个非常强大的算法集合，所以小编以后将花一些时间去看看里面源码如何。

下载jar、property和data文件

下载jar文件，（下载hanlp压缩包）解压之后获得jar和property文件如下：

 

其中property问配置文件，jar文件为外部引用文件。

然后下载data文件：

【https://】pan.baidu.com/s/1o8Rri0y （前面的括号自行去掉）

解压压缩包之后就能获取data目录了。

一切就绪之后下面就是配置了。

配置hanlp

新建一个空项目，包括一个新建的java文件的test.java，

1.package com;

2.import com.hankcs.hanlp.HanLP;

3.public class Test {

4.public static void main(String[] args) {

5.    System.out.println(HanLP.segment("你好，欢迎使用HanLP！"));

6.    }

7.}  

目录结构如下图：

 

如果是在linux中的话，你可以将property文件放在classpath中，windows中也可以，配置环境变量，将property文件的绝对路径加上就可以了，然后运行一下这个java文件：

你会发现如下错误

 

1.十二月 11, 2017 9:59:37 下午 com.hankcs.hanlp.HanLP$Config

2.严重: 没有找到hanlp.properties，可能会导致找不到data

3.========Tips========

4.请将hanlp.properties放在下列目录：

5.D:\ ideaWorkSpace\ hanlp_mavenHanlp\ target\classes

6.Web项目则请放到下列目录：

7.Webapp/WEB-INF/lib

8.Webapp/WEB-INF/classes

9.Appserver/lib

10.JRE/lib

11.并且编辑root=PARENT/path/to/your/data

 

然后将property放到相应的目录就可以了,注意property配置只需要修改root的配置就行了。

 

1.本配置文件中的路径的根目录，根目录+其他路径=绝对路径Windows用户请注意，路径分隔符统一使用/

2.root=D:/ideaWorkSpace/hanlp_mavenHanlp/src/main/java

 

就比如我的解压后的data文件夹是放在D:/ideaWorkSpace/hanlp_mavenHanlp/src/main/java目录下的那我就改这个就可以了，其余的配置不用修改

 

运行成功如下图：

 

---------------------

作者：学zaza

原文：https://blog.csdn.net/u013928917/article/details/78777425