本文共 782字，閱讀大約需要 2分鐘 ！
概 述
HanLP 是基于 Java開發(fā)的 NLP工具包，由一系列模型與算法組成，目標(biāo)是普及自然語言處理在生產(chǎn)環(huán)境中的應(yīng)用。而且 HanLP具備功能完善、性能高效、架構(gòu)清晰、語料時新、可自定義的特點，因此十分好上手，本文就結(jié)合 Spring Boot來將 HanLP用起來！
注： 本文首發(fā)于 My Personal Blog：CodeSheep·程序羊，歡迎光臨 小站
本文內(nèi)容腦圖如下：
下載 HanLP數(shù)據(jù)和程序
由于 HanLP庫將數(shù)據(jù)與代碼分離，因此我們需要分別下載所需數(shù)據(jù)和 jar包：
- 所需 data數(shù)據(jù)包下載地址為 data.zip
- 所需 jar包下載地址為 hanlp-release.zip
工程搭建
創(chuàng)建一個普通的 Spring Boot工程，不贅述
引入 HanLP數(shù)據(jù) 和 配置
下載完成以后，首先解壓 hanlp-release.zip壓縮包，然后將解壓出的 HanLP的 jar包引入 Spring Boot工程，然后需要來放置 HanLP所需配置和數(shù)據(jù)：
將解壓后
hanlp-release.zip壓縮包中的hanlp.properties配置文件置于項目的resources資源目錄下然后解壓
data.zip壓縮包，將解壓出的 data目錄同樣至于resources目錄下（ data 中的數(shù)據(jù)包很重要，是 HanLP工作所需的詞典和模型 ）
創(chuàng)建 IO適配器
HanLP 提供了 IO適配器，用戶可以實現(xiàn)其提供的 com.hankcs.hanlp.corpus.io.IIOAdapter 接口以在不同的平臺（HDFS、Redis等）上運(yùn)行HanLP，默認(rèn)的 IO適配器 IOAdapter = com.hankcs.hanlp.corpus.io.FileIOAdapter 是基于普通文件系統(tǒng)的。
接下來我們重寫一下 IOAdapter類，使用讀寫靜態(tài)資源文件的方法來讀取HanLP所需的詞典和模型數(shù)據(jù)（ 即resources目錄下剛放置的 data目錄 ）
public class ResourceFileIoAdapter implements IIOAdapter {
@Override
public InputStream open(String path) throws IOException {
ClassPathResource resource = new ClassPathResource( path );
InputStream is = new FileInputStream( resource.getFile() );
return is;
}
@Override
public OutputStream create(String path) throws IOException {
ClassPathResource resource = new ClassPathResource( path );
OutputStream os = new FileOutputStream( resource.getFile() );
return os;
}
}
然后我們配置一下 HanLP的配置文件hanlp.properties，有兩處需要改為以下配置：
root= // 我們不再需要這種指定data目錄的方式
IOAdapter=cn.codesheep.springbt_hanlp_userdefine.config.ResourceFileIoAdapter // 指定自定義的IOAdapter
好，現(xiàn)在項目就可以工作了，我們接下來寫幾個測試用例測試體驗一把 ！
實驗測試
隨便寫幾個例子來感受一番：
- 分詞功能
@Test
public void testSegment() {
System.out.println( HanLP.segment("www.codesheep.cn是一個技術(shù)博客！") );
}
分詞結(jié)果如下：
[www/nx, ./w, codesheep/nx, ./w, cn/nx, 是/vshi, 一個/mq, 技術(shù)/n, 博客/n, ！/w]
每個詞段后的 /nx，/w之類的是 HanLP定義的詞性，可以去看 HanLP的接口來獲取詳情
- 文本推薦
@Test
public void testSuggest() {
Suggester suggester = new Suggester();
String[] titleArray =
(
"威廉王子發(fā)表演說 呼吁保護(hù)野生動物\n" +
"《時代》年度人物最終入圍名單出爐 普京馬云入選\n" +
"“黑格比”橫掃菲：菲吸取“海燕”經(jīng)驗及早疏散\n" +
"日本保密法將正式生效 日媒指其損害國民知情權(quán)\n" +
"人工智能如今是非?；馃岬囊婚T技術(shù)”"
).split("\\n");
for (String title : titleArray)
{
suggester.addSentence(title);
}
System.out.println(suggester.suggest("機(jī)器學(xué)習(xí)", 1)); // 語義
System.out.println(suggester.suggest("危機(jī)公共", 1)); // 字符
System.out.println(suggester.suggest("mayun", 1)); // 拼音
}
三個關(guān)鍵字的語句推薦結(jié)果為：
機(jī)器學(xué)習(xí) → [人工智能如今是非?；馃岬囊婚T技術(shù)”]
危機(jī)公共 → [威廉王子發(fā)表演說 呼吁保護(hù)野生動物]
mayun → [《時代》年度人物最終入圍名單出爐 普京馬云入選]
- 關(guān)鍵字提取
@Test
public void testKeyExtract() {
String content = "蘋果公司（Apple Inc. ）是美國一家高科技公司。由史蒂夫·喬布斯、斯蒂夫·沃茲尼亞克和羅·韋恩(Ron Wayne)等人于1976年4月1日創(chuàng)立，" +
"并命名為美國蘋果電腦公司（Apple Computer Inc. ），2007年1月9日更名為蘋果公司，總部位于加利福尼亞州的庫比蒂諾。";
List<String> keywordList = HanLP.extractKeyword(content, 5);
System.out.println(keywordList);
}
提取結(jié)果為：
[公司, 蘋果, 美國, Inc, Apple]
體驗一番我們發(fā)現(xiàn)其自帶的模型、字典等數(shù)據(jù)給出的實驗效果已經(jīng)是非常不錯了，而且用戶還可以自定義或修改 data目錄下的模型、字典等數(shù)據(jù)來滿足特定需求，因此還是十分強(qiáng)大的。
后 記
由于能力有限，若有錯誤或者不當(dāng)之處，還請大家批評指正，一起學(xué)習(xí)交流！
- My Personal Blog：CodeSheep 程序羊
- 我的半年技術(shù)博客之路
