java调用Hanlp分词器获取词性；自定义词性字典

若解读用户输入的一段话，找出输入内容的构成（名词、动词、形容词、地名、人名等）以便进一步的处理。

一、配置pom，导包：

   <dependency>
            <groupId>com.hankcs</groupId>
            <artifactId>hanlp</artifactId>
            <version>portable-1.6.8</version>
   </dependency>

二、java代码实现分词：

/***

* hanlp分词

* @param input

*/

public static Map<String, String> getOut(String input){

Map<String, String> resMap = new HashMap<>();


Segment segment = HanLP.newSegment(); //使用Hanlp分词

List<Term> termList = segment.seg(input);


//遍历分词结果

for (Term term : termList) {

String word = term.toString().substring(0, term.length()); //词

String nature = term.toString().substring(term.length() + 1); //词性

if (StringUtils.isNotBlank(word) && StringUtils.isNotBlank(nature)) {

//将词及词性放到Map结果集中

resMap.put(word, nature);

}

}

return resMap;

}


public static void main(String[] args) {

 Map<String, String> out = getOut("我爱吃薯片，它是红薯油炸而来的，紫罗兰熊猫");

System.out.println("out = " + out);

}

运行结果：

out = {紫罗兰=n, 红薯=n, 它=rr, 的=ude1, 来=vf, 薯片=nf, ，=w, 而=cc, 是=vshi, 熊猫=n, 我=rr, 油炸=v, 爱吃=v}

对照hanlp的词性表，得到每个词的词性：

三、到这基本的分词及词性已经获取到了，但是又发现这样得到的词性都是固定的，像我输入的这段话"请问怎么哪家公司有边缘计算相关的项目?"中，"边缘计算"被分成了"边缘"（n-名词）、"计算"（v-动词）,但是业务需求是"边缘计算"属于某些项目的业务标签，定义在系统的字典表中，这时就要自定义hanlp的词性了。

查了一些文章，基本都是导入一个自定义的txt文件，文件中定义词及词性，但是我这里是通过maven引用的hanlp包，而且自定义的词性也不是固定的，而是从系统的字典表中动态读取的。于是有了以下代码：

/***

* hanlp分词

* @param input

*/

public static Map<String, String> getOut(String input){

Map<String, String> resMap = new HashMap<>();

//使用Hanlp分词;允许用户自定义词性字典

Segment segment = HanLP.newSegment().enableCustomDictionary(true);


//添加自定义词性(此处添加了一个词做测试；真实业务中是读取字典表中的词并添加到自定义词性)

//其中"zingyidongwu"是自定义的词性

CustomDictionary.add("紫罗兰熊猫","zingyidongwu");


List<Term> termList = segment.seg(input);

//遍历分词结果

for (Term term : termList) {

String word = term.toString().substring(0, term.length()); //词

String nature = term.toString().substring(term.length() + 1); //词性

if (StringUtils.isNotBlank(word) && StringUtils.isNotBlank(nature)) {

//将词及词性放到Map结果集中

resMap.put(word, nature);

}

}

return resMap;

}


public static void main(String[] args) {

Map<String, String> out = getOut("我爱吃薯片，它是红薯油炸而来的，紫罗兰熊猫");


System.out.println("out = " + out);

}

运行结果：

out = {紫罗兰熊猫=n, 红薯=n, 它=rr, 的=ude1, 来=vf, 薯片=nf, ，=w, 而=cc, 是=vshi, , 我=rr, 油炸=v, 爱吃=v}

可以看到，这次的分词结果中，"边缘计算"没有被拆分，而且词性也变成了自定义的"ywbq"词性。