HanLP的自定義詞典使用方式與注意事項介紹

【環境】python 2.7

方法一：使用pyhanlp，具體方法如下：

pip install pyhanlp  # 安裝pyhanlp

進入python安裝包路徑，如

/usr/lib/python2.7/site-packages/pyhanlp/static/

将http://hanlp.properties.in改名為備份檔案。

mv hanlp.properties.in hanlp.properties.in.bak

修改hanlp.properties

vim hanlp.properties

将CustomDictionaryPath修改為你自定義的詞典路徑，如：

CustomDictionaryPath=data/dictionary/custom/self_define_dict.txt; 現代漢語補充詞庫.txt; 全國地名大全.txt; 人名詞典.txt; 機構名詞典.txt; 上海地名.txt ns; data/dictionary/person/nrf.txt nrf;

儲存。

python腳本，調用pyhanlp示例： from pyhanlp import *

print HanLP.segment("在你想要放棄的時候，想想是什麼讓你當初堅持走到了這裡。總是有人要赢的，那為什麼不能是我")

運作腳本後，系統會檢查配置檔案hanlp.properties，讀取詞庫的路徑，對于自定義詞典，第一次會重新生成二進制檔案（以後直接用）。

方法二：使用grpc調用hanlp（python調用java包常用手段）

方法三：使用hanlp調用jar包（官方文檔有說明），自定義詞典沒設定成功。

注意事項：

對于詞典，直接加載文本會很慢，是以HanLP對于文本檔案做了一些預處理，生成了字尾名為.txt.bin的二進制檔案。

這些二進制檔案相當于緩存，避免了每次加載去讀取多個檔案。

通過這種txt和bin結合的方式，HanLP一方面友善使用者編輯檢視詞典，另一方面bin友善加載，這種方式可謂是兼二者之長，設計上堪稱典範。

打開hanlp的data目錄data\dictionary\custom，删除所有的.txt.bin檔案，這樣一來，HanLP下次加載詞典時會自動建構.txt.bin，這樣一來，你對文本檔案所做的更改才會生效。對于HanLP中的字典，每次更改之後，都必須重新生成bin才可以，否則不會生效。

實際上，這種方式不夠智能，可以改進為檢查檔案日期的方式，如果目前目錄下的最新的詞典檔案比bin檔案新，那麼bin檔案失效，需要重新建構bin。

建構bin的過程是比較緩慢的，它需要把所有的相關文本檔案中的詞語合并到一個裡面，每次建構大概需要2min，建構完成之後下次啟動就很快了。

更改hanlp.properties，添加mine.txt.

#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“檔案名 詞性”形式則表示這個詞典的詞性預設是該詞性。優先級遞減。

#另外data/dictionary/custom/CustomDictionary.txt是個高品質的詞庫，請不要删除

CustomDictionaryPath=data/dictionary/custom/mine.txt; CustomDictionary.txt; 現代漢語補充詞庫.txt; 全國地名大全.txt ns; 人名詞典.txt; 機構名詞典.txt; 上海地名.txt ns;data/dictionary/person/nrf.txt nrf

在data/dictionary/custom/目錄下建立mine.txt，添加一些詞語。比如裡面加上”蘭陵笑笑生“。

随便編一個程式測試一下

 List<Term> res = HanLP.segment("蘭陵笑笑生笑道:你他娘的真是個天才");

    System.out.println(res);//[蘭陵笑笑生/nr, 笑/v, 道/q, :/w, 你/r, 他/r, 娘/n, 的/uj, 真/d, 是/v, 個/q, 天才/n]

    for (String i : HanLP.Config.CustomDictionaryPath) {

        System.out.println(i);

    }