菜鸟如何使用hanlp做分词的过程记录

By hadoop小学生 at 2018-09-30 • 0人收藏 • 1113人看过

菜鸟如何使用hanlp做分词的过程记录

最近在学习hanlp的内容，准备在节后看看有没有时间整理一波hanlp分享下，应该还是会像之前分享DKHadoop一样的方式吧。把整个学习的过程中截图在配文字的方式搞一下。

这两天也在看一些其他人分享的hanlp学习和使用分享的文章，后面看到的分享也会转载分享给大家。今天分享的这篇也是很早前别人分享的一篇如何用hanlp做分词的文章，新手入门级的可以看看！

人工智能.jpg

boss给了个做分词的任务，最开始想用的是结巴分词and正则表达式。后来发现结果并不好，需要一遍一遍筛选【第一个标准筛选出80%的数据，然后制定第二个标准，继续筛选，然后制定第三个标准筛选，等等等等】

自己用了一下结巴分词，感觉对于人名，地名，机构名，只是泛泛地使用了一下。在实际分开的时候，并不能很好地分开机构名称。于是转而使用hanlp分词。

但是hanlp分词的缺点是只有在java上可以用，但是java一向又是我的弱项。所以在这里写一篇博客从头至尾叙述一下怎么样使用hanlp。

而且，小胖胖把我的电脑锁在北师图书馆柜子里了。我工作没有电脑可用，于是使用小胖的电脑，也就是说，所有的基本变量都需要我自己来配来下，因此也相当于是从一张白纸到使用hanlp的过程。

第一步：下载一个jdk，到openjdk官网去下一个，直接安装即可。

安装过后，要配置三个环境变量，分别是

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

2、CLASSPATH: 就是这个jdk打开之后里面的那个lib的目录；

3、PATH:就是jdk后面的bin目录；

配置完成之后，在Windows底下的cmd上面，输入java -version看看有没有反应即可判断是否正确安装jdk。

【我这里出现了个小问题，在胖胖的电脑里，不知道她之前安装过什么东西，自带了一个jre1.6 然而我安装的是jre1.8 在cmd里面报错，说找不到jre1.6 后来我看了网上的说法，说是也许你别的软件也会下载java环境，所以你可能有许多不同的包，系统在寻找路径的时候，默认会根据你上面配置的环境变量里面找。因此，需要把咱们最新下的那个环境变量放在一大堆环境变量的最前面，尝试即可。】

下载了jdk安装成功之后，第二步，下载eclipse

到官网去找，记住，x86是32位，x64是64位，下载之后设定project的位置【比如我设在了D盘的根目录，结果发现不太好，但是已经改不了了。。教训】

安装成功之后，第三步，去下载hanlp的各种东西

方法1.maven方法，下载一个0配置即可。【但是我不会玩儿】

方法2：先下载hanlp-1.2.8.jar这个jar包【备注，目前hanlp版本已经发布到了portable-1.6.8】

http://hanlp.com/

再下载data.zip这个数据包，可以选择，选择下载标准数据or迷你数据or全部数据。大小不同。我下的是标准版的。40M

再下载hanlp.properties这个是一个以properties结尾的一个文件，我之前从来没见过，不过可以用txt打开。

第四步：把下载的这些东西导入到eclipse里面去，构建路径

1、把jar包导入到eclipse的lib目录下

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

2、自己在src里面创建一个包，在包里面创建一个类。包会在我设置的根目录D:/下面，类名称首字母必须大写？【貌似不大写的话，会被否决】