菜鳥如何使用hanlp作分詞的過程記錄

菜鳥如何使用hanlp作分詞的過程記錄

最近在學習hanlp的內容，準備在節後看看有沒有時間整理一波hanlp分享下，應該仍是會像以前分享DKHadoop同樣的方式吧。把整個學習的過程當中截圖在配文字的方式搞一下。

這兩天也在看一些其餘人分享的hanlp學習和使用分享的文章，後面看到的分享也會轉載分享給你們。今天分享的這篇也是很早前別人分享的一篇如何用hanlp作分詞的文章，新手入門級的能夠看看！

 

boss給了個作分詞的任務，最開始想用的是結巴分詞and正則表達式。後來發現結果並很差，須要一遍一遍篩選【第一個標準篩選出80%的數據，而後制定第二個標準，繼續篩選，而後制定第三個標準篩選，等等等等】

本身用了一下結巴分詞，感受對於人名，地名，機構名，只是泛泛地使用了一下。在實際分開的時候，並不能很好地分開機構名稱。因而轉而使用hanlp分詞。

可是hanlp分詞的缺點是隻有在java上能夠用，可是java一貫又是個人弱項。因此在這裏寫一篇博客從頭到尾敘述一下怎麼樣使用hanlp。

並且，小胖胖把個人電腦鎖在北師圖書館櫃子裏了。我工做沒有電腦可用，因而使用小胖的電腦，也就是說，全部的基本變量都須要我本身來配來下，所以也至關因而從一張白紙到使用hanlp的過程。

第一步：下載一個jdk，到openjdk官網去下一個，直接安裝便可。

安裝事後，要配置三個環境變量，分別是

一、JAVA_HOME:C:\Program Files\Java\jdk1.8.0_73；

二、CLASSPATH: 就是這個jdk打開以後裏面的那個lib的目錄；

三、PATH:就是jdk後面的bin目錄；

配置完成以後，在Windows底下的cmd上面，輸入java -version看看有沒有反應便可判斷是否正確安裝jdk。

【我這裏出現了個小問題，在胖胖的電腦裏，不知道她以前安裝過什麼東西，自帶了一個jre1.6 然而我安裝的是jre1.8 在cmd裏面報錯，說找不到jre1.6 後來我看了網上的說法，說是也許你別的軟件也會下載java環境，因此你可能有許多不一樣的包，系統在尋找路徑的時候，默認會根據你上面配置的環境變量裏面找。所以，須要把我們最新下的那個環境變量放在一大堆環境變量的最前面，嘗試便可。】

下載了jdk安裝成功以後，第二步，下載eclipse

到官網去找，記住，x86是32位，x64是64位，下載以後設定project的位置【好比我設在了D盤的根目錄，結果發現不太好，可是已經改不了了。。教訓】

安裝成功以後，第三步，去下載hanlp的各類東西

方法1.maven方法，下載一個0配置便可。【可是我不會玩兒】

方法2：先下載hanlp-1.2.8.jar這個jar包【備註，目前hanlp版本已經發布到了portable-1.6.8】

http://hanlp.com/

再下載data.zip這個數據包，能夠選擇，選擇下載標準數據or迷你數據or所有數據。大小不一樣。我下的是標準版的。40M

再下載hanlp.properties這個是一個以properties結尾的一個文件，我以前歷來沒見過，不過能夠用txt打開。

第四步：把下載的這些東西導入到eclipse裏面去，構建路徑

一、把jar包導入到eclipse的lib目錄下

http://jingyan.baidu.com/article/ca41422fc76c4a1eae99ed9f.html

二、本身在src裏面建立一個包，在包裏面建立一個類。包會在我設置的根目錄D:/下面，類名稱首字母必須大寫？【貌似不大寫的話，會被否決】

三、把data包解壓，而後放在一個本身喜歡的路徑【個人路徑是D://py/】而後，在hanlp.properties這個文件裏，把root修改成data存放的上一級目錄。

四、把hanlp.properties拖動到src這個目錄下

 

而後試驗了一個demo測試，發現報錯，而後點擊import import com.hankcs.hanlp.HanLP；而後run了一下程序

依然報錯，發現是沒有把properties那個文件導入到bin目錄下，再次打開test0320，在那個bin目錄下複製properties文件以後運行，成功了

轉載自tianbwin2995 的博客