本文共 782字，閱讀大約需要 2分鐘 ！
概 述
HanLP 是基於 Java開發的 NLP工具包，由一系列模型與演算法組成，目標是普及自然語言處理在生產環境中的應用。而且 HanLP具備功能完善、效能高效、架構清晰、語料時新、可自定義的特點，因此十分好上手，本文就結合 Spring Boot來將 HanLP用起來！
注： 本文首發於 My Personal Blog：CodeSheep·程式羊，歡迎光臨 小站
本文內容腦圖如下：
下載 HanLP資料和程式
由於 HanLP庫將資料與程式碼分離，因此我們需要分別下載所需資料和 jar包：
- 所需 data資料包下載地址為 data.zip
- 所需 jar包下載地址為 hanlp-release.zip
工程搭建
-
建立一個普通的 Spring Boot工程，不贅述
-
引入 HanLP資料 和 配置
下載完成以後，首先解壓 hanlp-release.zip壓縮包，然後將解壓出的 HanLP的 jar包引入 Spring Boot工程，然後需要來放置 HanLP所需配置和資料：
-
將解壓後
hanlp-release.zip壓縮包中的hanlp.properties配置檔案置於專案的resources資源目錄下 -
然後解壓
data.zip壓縮包，將解壓出的 data目錄同樣至於resources目錄下（ data 中的資料包很重要，是 HanLP工作所需的詞典和模型 ）
建立 IO介面卡
HanLP 提供了 IO介面卡，使用者可以實現其提供的 com.hankcs.hanlp.corpus.io.IIOAdapter 介面以在不同的平臺（HDFS、Redis等）上執行HanLP，預設的 IO介面卡 IOAdapter = com.hankcs.hanlp.corpus.io.FileIOAdapter 是基於普通檔案系統的。
接下來我們重寫一下 IOAdapter類，使用讀寫靜態資原始檔的方法來讀取HanLP所需的詞典和模型資料（ 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;
}
}
複製程式碼然後我們配置一下 HanLP的配置檔案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
複製程式碼好，現在專案就可以工作了，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是一個技術部落格！") );
}
複製程式碼分詞結果如下：
[www/nx, ./w, codesheep/nx, ./w, cn/nx, 是/vshi, 一個/mq, 技術/n, 部落格/n, ！/w]
複製程式碼每個詞段後的 /nx，/w之類的是 HanLP定義的詞性，可以去看 HanLP的介面來獲取詳情
- 文字推薦
@Test
public void testSuggest() {
Suggester suggester = new Suggester();
String[] titleArray =
(
"威廉王子發表演說 呼籲保護野生動物\n" +
"《時代》年度人物最終入圍名單出爐 普京馬雲入選\n" +
"“黑格比”橫掃菲：菲吸取“海燕”經驗及早疏散\n" +
"日本保密法將正式生效 日媒指其損害國民知情權\n" +
"人工智慧如今是非常火熱的一門技術”"
).split("\\n");
for (String title : titleArray)
{
suggester.addSentence(title);
}
System.out.println(suggester.suggest("機器學習", 1)); // 語義
System.out.println(suggester.suggest("危機公共", 1)); // 字元
System.out.println(suggester.suggest("mayun", 1)); // 拼音
}
複製程式碼三個關鍵字的語句推薦結果為：
機器學習 → [人工智慧如今是非常火熱的一門技術”]
危機公共 → [威廉王子發表演說 呼籲保護野生動物]
mayun → [《時代》年度人物最終入圍名單出爐 普京馬雲入選]
複製程式碼- 關鍵字提取
@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·賈伯斯、斯蒂夫·沃茲尼亞克和羅·韋恩(Ron Wayne)等人於1976年4月1日創立，" +
"並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，總部位於加利福尼亞州的庫比蒂諾。";
List<String> keywordList = HanLP.extractKeyword(content, 5);
System.out.println(keywordList);
}
複製程式碼提取結果為：
[公司, 蘋果, 美國, Inc, Apple]
複製程式碼體驗一番我們發現其自帶的模型、字典等資料給出的實驗效果已經是非常不錯了，而且使用者還可以自定義或修改 data目錄下的模型、字典等資料來滿足特定需求，因此還是十分強大的。
後 記
由於能力有限，若有錯誤或者不當之處，還請大家批評指正，一起學習交流！
- My Personal Blog：CodeSheep 程式羊
- 我的半年技術部落格之路
可 長按 或 掃描 下面的 小心心 來訂閱作者公眾號 CodeSheep，獲取更多 務實、能看懂、可復現的 原創文 ↓↓↓
