[HanLP]SpringBoot2.3整合HanLP1.7.7_hanlp 地址提取

一、需求场景

提取地址字符串中的 区、街乡镇、村的字段，使用获取到的字段向经信局发起请求获取经纬度和点位名称，保存至数据库。

二、使用技术

HanLP+SpringBoot

三、设计思路

流程图下载：https://download.csdn.net/download/qq_36254699/13119828

四、具体实现

1. pom引入jar

<dependency>
   <groupId>com.hankcs</groupId>
    <artifactId>hanlp</artifactId>
    <version>1.7.7</version>
</dependency>
<dependency>
    <groupId>com.hankcs</groupId>
    <artifactId>hanlp-sources</artifactId>
    <version>1.7.7</version>
</dependency>
1
2
3
4
5
6
7
8
9
10

2. 自定义词典，设置自定义词典中的词属性为na：

#自定义词典路径，用;隔开多个自定义词典，空格开头表示在同一个目录，使用“文件名 词性”形式则表示这个词典的词性默认是该词性。优先级递减。
#所有词典统一使用UTF-8编码，每一行代表一个单词，格式遵从[单词] [词性A] [A的频次] [词性B] [B的频次] ... 如果不填词性则表示采用词典的默认词性。
CustomDictionaryPath=data/dictionary/custom/add_place.txt na; non-place.txt n;
1
2
3

3. 获取属性为na的字符串，拼接到一起实现利用自定义词典进行分词：

/**
* 获取ns nt类型字符串，一旦遇到非规定类型直接结束
* ns	地名
* nt	机构团体名
*/
public static String[] getNaStr(String address) {
   List<Term> termList = StandardTokenizer.segment(address);
   String word = "";
   String hasNa = "false";
   for (Term term : termList) {
       if ("na".equals(term.nature.toString())) {
           if (word.length() <= term.word.length()) {
               word = term.word;
               hasNa = "true";
           }
       }
   }
   // 结果第一个是是否找到na属性字符串，第二个是最长的na字符串
   return new String[]{hasNa, word};
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

五、效果

六、问题总结