ruby 下使用 ICTCLAS(JAVA)
ICTCLAS并没有RUBY开发版本，RUBY可以使用C版本和JAVA版本的ICTCLAS来做分词
RUBY用C的代码，涉及到重写接口和包装的问题，比较麻烦
在此讨论RUBY用JAVA版本的ICTCLAS实现分词
总体思想：RJB是个很精彩的库
1. 下载ICTCLAS4j
2. 目录结构
=
==ICTCLAS.rb
==ICTCLAS(ICTCLAS4j的源文件)
==DATA(复制ICTCLAS4j的源文件中的DATA文件夹，为什么复制在此我们稍后讨论)
3. 环境
Windows 7
Ruby 1.8.6
rjb-1.2.0-x86-mswin32-60
4. 安装RJB
http://www.cnblogs.com/Tachikoma/archive/2010/01/28/1658261.html
这是我写的 RJB 在windows下的一些安装事项
5. ICTCLAS.rb 的源代码
#代码用UTF-8格式保存
require "rubygems"
require "rjb"
require "iconv"
class ICTCLAS
def self.fenci(input)
output = ""
Rjb::load(classpath="ICTCLAS/bin")
segtag_class = Rjb::import('org.ictclas4j.segment.SegTag')
string_class = Rjb::import('java.lang.String')
input = string_class.new_with_sig("Ljava.lang.String;" , input)
segtag = segtag_class.new_with_sig("I",1)
seg_res = segtag.split(input)
output = seg_res.getFinalResult()
output
end
end
output = ICTCLAS.fenci("这篇文章摘自Tachikoma的乱七八糟")
puts Iconv.iconv("GBK","utf-8",output) #转换码制以便输出
6. 在我们代码的根目录下(这点很重要，稍后讨论)，运行
ruby ICTCLAS.rb
可以看到结果
这/r 篇/q 文章/n 摘自/v Tachikoma/nx 的/b 乱七八糟/i
讨论：
1. 路径问题
前面提到过两个问题
1] 将ICTCLAS4j 的 DATA 文件夹 复制到代码根目录下
2] 必须从代码根目录启动程序
否则易出现以下错误
in `method_missing': unknown exception (NullPointerException)
其原因就是 ICTCLAS4j 源代码中，org.ictclas4j.bean.Dictionary中load方法使用相对路径读取字典文件(位于DATA文件夹)，就要求DATA文件夹位于程序启动目录下
这个可以认为是ICTCLAS4j的一个BUG吧
P.S. 当然也自然有以下两种思路来解决这个问题
1] 修改源代码，重新编译ICTCLAS4j，使用绝对路径
2] 使用jvm启动参数 user.dir，但是经过多次尝试，失败
问题解决：
重新修改ICTCLAS.rb
require "rubygems"
require "rjb"
require "iconv"
class ICTCLAS
def self.fenci(input)
root_path = "#{File.dirname(__FILE__)}/ICTCLAS"
output = ""
Dir.chdir(root_path) do |path|
Rjb::load(classpath="bin")
segtag_class = Rjb::import('org.ictclas4j.segment.SegTag')
string_class = Rjb::import('java.lang.String')
input = string_class.new_with_sig("Ljava.lang.String;" , input)
segtag = segtag_class.new_with_sig("I",1)
seg_res = segtag.split(input)
output = seg_res.getFinalResult()
end
output
end
end
这样就可以从任意位置调用 ICTCLAS.fenci 方法 , DATA文件夹也可以放在ICTCLAS4j文件夹下