Hanlp配置自定義詞典遇到的問題與解決方法

本文是整理了部分網友在配置 hanlp自定義詞典時遇到的一小部分問題，同時針對這些問題，也提供另一些解決的方案以及思路。這裡分享給大家學習參考。

要使用 hanlp載入自定義詞典可以透過修改配置檔案hanlp.properties來實現。

要注意的點是 :

　　1.root根路徑的配置:

　　　　hanlp.properties中配置如下:

　　　　　　#本配置檔案中的路徑的根目錄，根目錄+其他路徑=完整路徑（支援相對路徑）

　　　　　　#Windows使用者請注意，路徑分隔符統一使用/

　　　　　root=D:/Project/public_sentiment_monitor/plugin/hanlp1.6.8/

　　2.自定義詞典路徑的配置，配置檔案中已經指明瞭相應的用法。

　　　　hanlp.properties中配置如下:

　　　　　　#自定義詞典路徑，用;隔開多個自定義詞典，空格開頭表示在同一個目錄，使用“檔名 詞性”形式則表示這個詞典的詞性預設是該詞性。優先順序遞減。

　　　　　　#所有詞典統一使用UTF-8編碼，每一行代表一個單詞，格式遵從[單詞] [詞性A] [A的頻次] [詞性B] [B的頻次] ... 如果不填詞性則表示採用詞典的預設詞性。

　　　　CustomDictionaryPath=data/dictionary/custom/hanlp_custom.txt; 搜狗金融詞庫.txt n; CustomDictionary.txt; 現代漢語補充詞庫.txt; 全國地名大全.txt ns; 人名詞典.txt

　　3.配置檔案做好以後，自定義詞典不起作用問題

　　　　(1). 需要先刪除custom資料夾下的所有bin檔案，然後再使用hanlp，hanlp會自動載入一個新的bin檔案，自定義詞典就可以使用了。

貌似載入出的 bin檔案只有CustomDictionaryPath這一行配置中的第一個檔案對應的bin，但是內容應該是將所有的自定義詞典都包含了的。

　　　　(2). 如果自定義詞典txt檔案中存在含有空格的詞， 比如說"16 金立債 nz 100"這種配置，回導致自定義詞典載入程式將"16"認為是詞，"金立債"認為是詞性，"nz"認為是詞頻，然後出現Java報錯: 

　　　　　　java.lang.NumberFormatException: For input string: "nz"

　　　　　　雖然仍然生成了 bin檔案，但是實際上自定義詞典中的所有詞都是無法使用的。所以在生成自定義詞典txt檔案的過程中，一定要注意詞中是否含有空格，是否符合"詞 詞性 詞頻"的格式。

　　　　(3)如何將含有空格的詞加入自定義詞典中:

　　　　　　CustomDictionary = JClass('com.hankcs.hanlp.dictionary.CustomDictionary')

　　　　　　CustomDictionary.add('攻城 獅')