自然语言处理之：搭建基于HanLP的开发环境

环境搭建比FNLP的简单，具体参考：https://github.com/hankcs/HanLP

各个版本的下载：https://github.com/hankcs/HanLP/releases

完毕后有一个报错：

字符类型对应表加载失败:

D:/eclipse_workspace/HanLPTest/HanLP/data/dictionary//other/CharType.dat.yes

直接在 D:/eclipse_workspace/HanLPTest/HanLP/data/dictionary//other/ 目录下新建一个txt文档将名称改为 CharType.dat.yes 即可。

相对比较简单。

尝试HanLP主要处于各个开源自然语言处理工具包之间的差异，寻找一个适合学习的开源工具包。

DKHadoop.jpg 

HanLP调用方法

HanLP几乎所有的功能都可以通过工具类HanLP快捷调用，当你想不起来调用方法时，只需键入HanLP.，IDE应当会给出提示，并展示HanLP完善的文档。所有Demo都位于com.hankcs.demo下，比文档覆盖了更多细节，更新更及时，强烈建议运行一遍。

HanLP的适用过程中注意的问题：

1、因为HanLP版本更新比较频繁，所以，jar源代码版本需要对应适用，否则源码和jar中接口调用对应不上。

在进行CRF分词过程中报错:

Exception in thread "main" java.lang.OutOfMemoryError: Java heap space

    at java.nio.HeapByteBuffer.<init>(HeapByteBuffer.java:57)

    at java.nio.ByteBuffer.allocate(ByteBuffer.java:335)

    at com.hankcs.hanlp.corpus.io.IOUtil.readBytesFromFileInputStream(IOUtil.java:251)

    at com.hankcs.hanlp.corpus.io.IOUtil.readBytes(IOUtil.java:178)

    at com.hankcs.hanlp.corpus.io.ByteArray.createByteArray(ByteArray.java:47)

    at com.hankcs.hanlp.model.crf.CRFModel.loadTxt(CRFModel.java:89)

    at com.hankcs.hanlp.seg.CRF.CRFSegment.<init>(CRFSegment.java:58)

    at com.hankcs.hanlp.seg.CRF.CRFSegment.<init>(CRFSegment.java:73)

    at test.Main.main(Main.java:56)

是因为CRF比较耗内存，所以出现内存不足，所以需要修改一下VM的最大内存。

选中工程，然后：

图1.png 

即可解决。

在源码包文件在eclipse中打开出现乱码，解决方法：

（必须）首先用txt打开，然后在第一行添加：encoding="utf-8"即可。

图2.png 

转载自CrazyNong 的博客