HanLP集成到Springboot及使用自定义词典

前言

HanLP集成到Springboot及使用自定义词典

简介

开源工具包，提供词法分析、句法分析、文本分析和情感分析等功能，具有功能完善、性能高效、架构清晰、语料时新、可自定义等特点。

官网：https://www.hanlp.com/

开发文档：https://github.com/hankcs/HanLP/blob/1.x/README.md

集成Springboot

1. Maven依赖引入

   <dependency>
                   <groupId>com.hankcsgroupId>
                   <artifactId>hanlpartifactId>
                   <version>portable-1.8.4version>
               dependency>
   

2. 使用

   • 创建分词器：Segment segment = HanLP.newSegment()

   • 分词：List termList = segment.seg(sentence);

   • 根据词性提取需要的单词：词性类Nature

   • 示例，提取地名

     // 允许地名识别
     Segment segment = HanLP.newSegment().enablePlaceRecognize(true);
     List<Term> termList = segment.seg(sentence);
     // 过滤地名词性：
     List<String> list = termList.stream().filter(term -> Objects.equals(term.nature, Nature.ns)).map(term -> term.word).collect(Collectors.toList());
     

扩展使用自定义词典

由于内置的词典所包含的数据量不够大，因而某些单词词性的识别存在误差，需要引入更完善的字典库

1. resources目录下增加配置文件hanlp.properties

2. 配置自定义词典数据包

   # 根目录	
   root=
   # 自定义词典路径，相对于根目录的路径
   CustomDictionaryPath=data/dictionary/custom/CustomDictionary.txt;
   

3. 引入词典数据包
   

路径易错问题

• 判断配置的目录下是否有核心词典库

  // 查看java根目录
  System.out.println(new File("").getAbsolutePath());
  // 查看hanlp根目录是否存在词典
  System.out.println(new File(HanLP.Config.CoreDictionaryPath).exists());
  

• 项目代码打成jar包，需要将词典独立于jar包外

  # 自定义IO适配器（则可以使用相对hanlp配置文件的路径）
  IOAdapter=com.dotwith.framework.manager.MyIOAdapter
  
  # 根目录，词典所在的父级目录（window需改成本机
  root=hanlp
  
  # 自定义词典路径，相对于根目录的路径
  CustomDictionaryPath=data/dictionary/custom/CustomDictionary.txt;data/dictionary/custom/全国地名大全.txt ns
  

• 使用相对路径：自定义IO适配器

  public class MyIOAdapter implements IIOAdapter {
  
      @Override
      public InputStream open(String path) throws IOException {
          System.out.println("path=" + this.getClass().getClassLoader().getResource(path).getFile());
          return new FileInputStream(this.getClass().getClassLoader().getResource(path).getFile());
      }
  
      @Override
      public OutputStream create(String path) throws IOException {
          return new FileOutputStream(this.getClass().getClassLoader().getResource(path).getFile());
      }
  }
  

• 其他路径问题参考地址

  • https://github.com/hankcs/HanLP/pull/254
  • https://github.com/hankcs/HanLP/issues/935