菜鳥如何使用hanlp做分詞的過程記錄

菜鳥如何使用hanlp做分詞的過程記錄

最近在學習hanlp的內容，準備在節后看看有沒有時間整理一波hanlp分享下，應該還是會像之前分享DKHadoop一樣的方式吧。把整個學習的過程中截圖在配文字的方式搞一下。

這兩天也在看一些其他人分享的hanlp學習和使用分享的文章，后面看到的分享也會轉載分享給大家。今天分享的這篇也是很早前別人分享的一篇如何用hanlp做分詞的文章，新手入門級的可以看看！

boss給了個做分詞的任務，最開始想用的是結巴分詞and正則表達式。后來發現結果并不好，需要一遍一遍篩選【第一個標準篩選出80%的數據，然后制定第二個標準，繼續篩選，然后制定第三個標準篩選，等等等等】

自己用了一下結巴分詞，感覺對于人名，地名，機構名，只是泛泛地使用了一下。在實際分開的時候，并不能很好地分開機構名稱。于是轉而使用hanlp分詞。

但是hanlp分詞的缺點是只有在java上可以用，但是java一向又是我的弱項。所以在這里寫一篇博客從頭至尾敘述一下怎么樣使用hanlp。

而且，小胖胖把我的電腦鎖在北師圖書館柜子里了。我工作沒有電腦可用，于是使用小胖的電腦，也就是說，所有的基本變量都需要我自己來配來下，因此也相當于是從一張白紙到使用hanlp的過程。

第一步：下載一個jdk，到openjdk官網去下一個，直接安裝即可。

安裝過后，要配置三個環境變量，分別是

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

2、CLASSPATH: 就是這個jdk打開之后里面的那個lib的目錄；

3、PATH:就是jdk后面的bin目錄；

配置完成之后，在Windows底下的cmd上面，輸入java -version看看有沒有反應即可判斷是否正確安裝jdk。

【我這里出現了個小問題，在胖胖的電腦里，不知道她之前安裝過什么東西，自帶了一個jre1.6 然而我安裝的是jre1.8 在cmd里面報錯，說找不到jre1.6 后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，所以你可能有許多不同的包，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里面找。因此，需要把咱們最新下的那個環境變量放在一大堆環境變量的最前面，嘗試即可。】

下載了jdk安裝成功之后，第二步，下載eclipse

到官網去找，記住，x86是32位，x64是64位，下載之后設定project的位置【比如我設在了D盤的根目錄，結果發現不太好，但是已經改不了了。。教訓】

安裝成功之后，第三步，去下載hanlp的各種東西

方法1.maven方法，下載一個0配置即可。【但是我不會玩兒】

方法2：先下載hanlp-1.2.8.jar這個jar包【備注，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，可以選擇，選擇下載標準數據or迷你數據or全部數據。大小不同。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，我之前從來沒見過，不過可以用txt打開。

第四步：把下載的這些東西導入到eclipse里面去，構建路徑

1、把jar包導入到eclipse的lib目錄下

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

2、自己在src里面創建一個包，在包里面創建一個類。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】

3、把data包解壓，然后放在一個自己喜歡的路徑【我的路徑是D://py/】然后，在hanlp.properties這個文件里，把root修改為data存放的上一級目錄。

4、把hanlp.properties拖動到src這個目錄下

然后試驗了一個demo測試，發現報錯，然后點擊import import com.hankcs.hanlp.HanLP；然后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目錄下復制properties文件之后運行，成功了

轉載自tianbwin2995 的博客