【Java】利用Ansj中文分词工具对段落进行切词

对于切词确实是一个复杂的功能，足以写上好几篇论文，但是如果仅仅想对一个句子、一个段落、一篇文章进行切词，可以利用中国自然语言开源组织中各位大牛写好的工具。已经打包成jar包，可以直接调用了，无须自己再考虑复杂的算法。

当然这种切词是对于自然语言的，对于一些有规律的字符串，请自行利用indexOf、substring、split的各类Java自带函数，没有使用额外java包的必要。

首先假如有如下的一个节选自梁启超《最苦与最乐》段落：

人生若能永远像两三岁小孩，本来没有责任，那就本来没有苦。到了长成，责任自然压在你的肩头上，如何能躲？不过有大小的分别罢了。尽得大的责任，就得大快乐；尽得小的责任，就得小快乐。你若是要躲，倒是自投苦海，永远不能解除了。

要对其进行词语的分割成以下形式：

划分成中文，并且标识各个词语的词性，做法如下：

1、先到http://maven.ansj.org/org/ansj/ansj_seg/下载最新版ansj_seg.jar，建议使用2.0x以上的版本，再到http://maven.ansj.org/org/nlpcn/nlp-lang/下载其辅助包nlp-lang.jar，如果是使用1.0x版本的ansj_seg.jar，则到http://maven.ansj.org/org/ansj/tree_split/下载1.0x的辅助包tree_split.jar。下载之后，在Eclipse新建java工程文件夹下，新建一个lib文件夹，并且把ansj_seg-2.0.8.jar与nlp-lang-1.0.jar扔过去，在Eclipse刷新，右击相应工程，选择属性，Java Build Path把两个jar添加到工程当中。

2、之后，到https://github.com/NLPchina/ansj_seg下载其切词字典，

下载之后解压，将其library文件夹扔到你Java工程的根目录，再把library.properties扔到Java工程的bin目录。

3、之后，新建一个WordSegment.java写入如下代码，编译运行，则得到结果：

import java.util.List;

import org.ansj.domain.Term;
import org.ansj.splitWord.analysis.ToAnalysis;

public class WordSegmentTest {
	public static void main(String[] args) {
		String str = "人生若能永远像两三岁小孩，本来没有责任，那就本来没有苦。到了长成，责任自然压在你的肩头上，如何能躲？不过有大小的分别罢了。尽得大的责任，就得大快乐；尽得小的责任，就得小快乐。你若是要躲，倒是自投苦海，永远不能解除了。";
		List<Term> term = ToAnalysis.parse(str);
		for (int i = 0; i < term.size(); i++) {
			String words = term.get(i).getName();// 获取单词
			String nominal = term.get(i).getNatureStr();// 获取词性
			System.out.print(words + "\t" + nominal + "\n");
		}
	}
}

其中str是要被切割的中文自然语言段落，切割后的结果是一个存放Term对象的List，对这个List进行遍历，可以利用getName()获取切割的单词，利用getNatureStr()获取到词性。其中词性表如下：点击打开链接