HanLP_hanlp下载与配置

一. 下载与配置(使用python可跳过)

1. 下载jar和配置文件
2. 下载data.zip解压并通过配置文件告诉HanLP数据包的位置（方法：修改配置文件的第一行为数据包的父目录）。

• HanLP中的数据分为词典和模型，其中词典是词法分析必需的，模型是句法分析必需的。
• 用户可以自行增删替换，如果不需要句法分析等功能的话，随时可以删除model文件夹。
• 模型跟词典没有绝对的区别，隐马模型被做成人人都可以编辑的词典形式，不代表它不是模型。
• GitHub代码库中已经包含了data.zip中的词典，直接编译运行自动缓存即可；模型则需要额外下载。

3. 环境配置

• 将hanlp.properties放入classpath即可
• 对于多数项目，都可以放到src或resources目录下，编译时IDE会自动将其复制到classpath中。
• 除了配置文件外，还可以使用环境变量HANLP_ROOT来设置root

二. Python配置及调用

1. 安装(HanLP的Python接口，支持自动下载与升级HanLP，兼容py2、py3。)

pip install pyhanlp
hanlp
1
2

2. 命令行

中文分词

使用命令hanlp segment进入交互分词模式，输入一个句子并回车，HanLP会输出分词结果

$ hanlp segment
商品和服务
商品/n 和/cc 服务/vn
1
2
3

可以重定向输入输出到文件

$ hanlp segment <<< '欢迎新老师生前来就餐'           
欢迎/v 新/a 老/a 师生/n 前来/vi 就餐/vi
1
2

依存句法分析

命令为hanlp parse，同样支持交互模式和重定向

$ hanlp parse <<< '徐先生还具体帮助他确定了把画雄鹰、松鼠和麻雀作为主攻目标。' 
1

服务器

hanlp serve
1

浏览器访问http://localhost:8765

升级

hanlp update
1

API

from pyhanlp import *

print(HanLP.segment('你好，欢迎在Python中调用HanLP的API'))

for term in HanLP.segment('下雨天地面积水'):
    print('{}\t{}'.format(term.word, term.nature)) # 获取单词与词性

# 关键词提取
document = "水利部水资源司司长陈明忠9月29日在国务院新闻办举行的新闻发布会上透露，" \
           "根据刚刚完成了水资源管理制度的考核，有部分省接近了红线的指标，" \
           "有部分省超过红线的指标。对一些超过红线的地方，陈明忠表示，对一些取用水项目进行区域的限批，" \
           "严格地进行水资源论证和取水许可的批准。"
print(HanLP.extractKeyword(document, 2))

# 自动摘要
print(HanLP.extractSummary(document, 3))

# 依存句法分析
print(HanLP.parseDependency("徐先生还具体帮助他确定了把画雄鹰、松鼠和麻雀作为主攻目标。"))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

更多功能

• 自定义词典
• 极速词典分词
• 索引分词
• CRF分词
• 感知机词法分析
• 臺灣正體、香港繁體
• 关键词提取、自动摘要
• 文本分类、情感分析

请阅读HanLP主项目文档和demos目录以了解更多。调用更底层的API需要参考Java语法用JClass引入更深的类路径

与其他项目共享data

HanLP具备高度可自定义的特点，所有模型和词典都可以自由替换。如果你希望与别的项目共享同一套data，只需将该项目的配置文件hanlp.properties拷贝到pyhanlp的安装目录下即可。本机安装目录可以通过hanlp --version获取。

同时，还可以通过--config临时加载另一个配置文件：

hanlp segment --config path/to/another/hanlp.properties
1

三. 词典说明

HanLP中的数据分为词典和模型，其中词典是词法分析必需的，模型是句法分析必需的。
用户可以自行增删替换，如果不需要句法分析等功能的话，随时可以删除model文件夹。

参考 HanLP