hanlp 加载远程词库示例

<div class="iteye-blog-content-contain" style="font-size: 14px"></div>

 说明

·目前的实现方式是以远程词库的内容重新构建CustomDictionary.trie,demo主要是为了实现同步远程词库，对性能暂不作考虑,对性能要求要以CustomDictionary.dat为基础实现

按hanlp作者述 trie后期可能会取消

 

目前CustomDictionary使用DAT储存词典文件中的词语，用BinTrie储存动态加入的词语，前者性能高，后者性能低

之所以保留动态增删功能，一方面是历史遗留特性，另一方面是调试用；来可能会去掉动态增删特性。

·ik的方案，远程词库并不含有词性词频等额外信息，这里为了保证词库和复用也保持一致，默认词性为Nature.nz，词频为1 CoreDictionary.Attribute att = new CoreDictionary.Attribute(Nature.nz, 1);

·ik支持多个远程词库，该示例只支持单项

多词库在现方案下，要作任务协作的处理，虽然不难，但改动后和ik原码的差距会比较大

项目只是个参考，因此代码尽量和ik保持一致，一个远程词库，对大部分场景也够用了

 

测试

启动nginx作为远程词库服务

docker run -d --name nginx -p 1888:80 -v $(pwd)/nlp:/usr/share/nginx/html/nlp nginx:1.13.12

 

测试是否成功

 

curl http://127.0.0.1:1888/nlp/words.txt

 

启动服务

编译

mvn clean package -Dmaven.test.skip=true

执行

java -jar target/hanlp-web-2.0.0.RC2.jar

测试url

http://127.0.0.1:1889/hanlp?sentence=小明北飘在北京

词库同步任务间隔1分钟，服务启动后浏览器多刷新几次便能看到区别

如要扩展至本地项目

1 添加依赖

 

<dependency>

<groupId>org.apache.httpcomponents</groupId>

<artifactId>httpclient</artifactId>

<version>4.5.2</version>

</dependency>

2 拷贝ExtDictionary,Monitor

 

3 添加配置resources/hanlp_ext.properties

最后，代码全是抄的，这个项目只是基本的搬运，可能对新手会有点帮助

 

文章转载自 ：https://github.com/cclient/hanlp-remote-dict