python调用hanlp分词包手记

python调用hanlp分词包手记

 

Hanlp作为一款重要的分词工具，本月初的时候看到大快搜索发布了hanlp的1.7版本，新增了文本聚类、流水线分词等功能。关于hanlp1.7版本的新功能，后面有使用的到时候在给大家分享。本篇分享一个在python里调用hanlp分词包的过程文章，供需要的朋友参考学习交流！以下为文章内容：

 

1.在python下安装pyhanlp

sudo pip install pyhanlp

（ 详见 pyhanlp官方文档 ）

 

2.pyhanlp的一些使用方法

（ 1）Hanlp.segment的使用

from pyhanlp import *

print HanLP.segment("今天开心了吗？")

#输出：[今天/t, 开心/a, 了/ule, 吗/y, ？/w]

（2） 其它 API函数的使用。

（ pyhanlp里已经含有以下这些功能了，可以直接调用）

1  - # API列表

2 CustomDictionary= LazyLoadingJClass( 'com.hankcs.hanlp.dictionary.CustomDictionary' )

3 HanLP = SafeJClass( 'com.hankcs.hanlp.HanLP' )

4 HanLP.Config = JClass( 'com.hankcs.hanlp.HanLP$Config' )

5 PerceptronLexicalAnalyzer= SafeJClass( 'com.hankcs.hanlp.model.perceptron.PerceptronLexicalAnalyzer' )

6 DoubleArrayTrieSegment = SafeJClass( 'com.hankcs.hanlp.seg.Other.DoubleArrayTrieSegment' )

7 AhoCorasickDoubleArrayTrie = SafeJClass( 'com.hankcs.hanlp.collection.AhoCorasick.AhoCorasickDoubleArrayTrie' )

8 IOUtil = SafeJClass( 'com.hankcs.hanlp.corpus.io.IOUtil' )

9 TraditionalChineseTokenizer=SafeJClass( 'com.hankcs.hanlp.tokenizer.TraditionalChineseTokenizer' )

 

调用方法

analyzer=PerceptronLexicalAnalyzer()

a =analyzer.analyze("今天开心了吗？")

print a

 

3.其它更多的功能的实现。

①　 比如繁体分词，自动生成摘要这些 hanlp能实现的，但不在以上API函数里面的，我们可以通过以下方法。

②　 首先要在 “../pyhanlp/init.py”pycharm文件下通过jclass语句引入更深类路径。比如（我引入的是中文繁体分词这个API函数）

③　 TraditionalChineseTokenizer=SafeJClass('com.hankcs.hanlp.tokenizer.TraditionalChineseTokenizer')

④　 然后就可以直接调用了，真的超级棒。

⑤　 print TraditionalChineseTokenizer.segment('三華裔獲得傑出青年獎‘)

⑥　 #输出：[三/m, 華裔/n, 獲得/v, 傑出青年/nz, 獎/n]

⑦　 -其它更多的API函数的路径请参考java原代码。

---------------------

作者：小傻子 kkk

 

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/31524777/viewspace-2286462/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/31524777/viewspace-2286462/