Hanlp配置自定义词典遇到的问题与解决方法

 

本文是整理了部分网友在配置hanlp自定义词典时遇到的一小部分问题，同时针对这些问题，也提供另一些解决的方案以及思路。这里分享给大家学习参考。

要使用hanlp加载自定义词典可以通过修改配置文件hanlp.properties来实现。

要注意的点是:

　　1.root根路径的配置:

　　　　hanlp.properties中配置如下:

　　　　　　#本配置文件中的路径的根目录，根目录+其他路径=完整路径（支持相对路径）

　　　　　　#Windows用户请注意，路径分隔符统一使用/

　　　　　root=D:/Project/public_sentiment_monitor/plugin/hanlp1.6.8/

　　2.自定义词典路径的配置，配置文件中已经指明了相应的用法。

　　　　hanlp.properties中配置如下:

　　　　　　#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/hanlp_custom.txt; 搜狗金融词库.txt n; CustomDictionary.txt; 现代汉语补充词库.txt; 全国地名大全.txt ns; 人名词典.txt

　　3.配置文件做好以后，自定义词典不起作用问题

　　　　(1). 需要先删除custom文件夹下的所有bin文件，然后再使用hanlp，hanlp会自动加载一个新的bin文件，自定义词典就可以使用了。

貌似加载出的bin文件只有CustomDictionaryPath这一行配置中的第一个文件对应的bin，但是内容应该是将所有的自定义词典都包含了的。

　　　　(2). 如果自定义词典txt文件中存在含有空格的词， 比如说"16 金立债 nz 100"这种配置，回导致自定义词典加载程序将"16"认为是词，"金立债"认为是词性，"nz"认为是词频，然后出现Java报错: 

　　　　　　java.lang.NumberFormatException: For input string: "nz"

　　　　　　虽然仍然生成了bin文件，但是实际上自定义词典中的所有词都是无法使用的。所以在生成自定义词典txt文件的过程中，一定要注意词中是否含有空格，是否符合"词 词性 词频"的格式。

　　　　(3)如何将含有空格的词加入自定义词典中:

　　　　　　CustomDictionary = JClass('com.hankcs.hanlp.dictionary.CustomDictionary')

　　　　　　CustomDictionary.add('攻城 狮')