在Python中調用Java擴展包HanLP測試記錄

 

最近在研究中文分詞及天然語言相關的內容，關注到JAVA環境下的HanLP，HanLP是一個致力於向生產環境普及NLP技術的開源Java工具包，支持中文分詞（N-最短路分詞、CRF分詞、索引分詞、用戶自定義詞典、詞性標註），命名實體識別（中國人名、音譯人名、日本人名、地名、實體機構名識別），關鍵詞提取，自動摘要，短語提取，拼音轉換，簡繁轉換，文本推薦，依存句法分析（MaxEnt依存句法分析、神經網絡依存句法分析）。

因爲本身才疏學淺，對JAVA方面瞭解很少，因此打算在Python環%2, line 5, in <module>

startJVM(getDefaultJVMPath())

File 「C:\Python27\lib\site-packages\jpype\_core.py」, line 44, in startJVM

_jpype.startup(jvm, tuple(args), True)

RuntimeError: First paramter must be a string or unicode at src/native/python/jpype_module.cpp:31

頗有多是沒有配置JDK的環境變量或安裝的JDK的位數與Python的位數不一致。致使 getDefaultJVMPath()  方法返回的是 None。

下載HanLP

（1）你能夠直接下載Portable版的jar，零配置。

（2）也能夠使用自定義的HanLP——HanLP由3部分組成：類庫hanlp.jar包、模型data包、配置文件hanlp.properties，請前往項目主頁下載最新版：github.com/hankcs/HanLP/releases。對於非portable版，下載後，你須要編輯配置文件第一行的root指向data的父目錄。

這裏，假設新建了一個目錄（假定爲C:\hanlp），把hanlp.jar和hanlp.properties（portable版的話，僅需一個hanlp-portable.jar）放進去。

Python調用

如下是個人測試：（使用的是Python，與Python3 相比多了 .toString() 這一操做）