pyhanlp用戶自定義詞典添加實例說明

pyhanlp用戶自定義詞典添加 實例說明

pyhanlp是python版封裝的的HanLP，項目地址：https://github.com/hankcs/pyhanlp

經過測試， HanLP比nltk在中文分詞和實體識別方面都更好用 .

如何向 pyhanlp添加自定義的詞典？以python 2.7.9為例：

1.安裝pyhanlp：pip install pyhanlp

2.在字典路徑下添加自定義的詞典：CustomDictionary主詞典文本路徑是data/dictionary/custom/CustomDictionary.txt，用戶可以在此增加自己的詞語（不推薦）；也可以單獨新建一個文本文件，通過配置文件；CustomDictionaryPath=data/dictionary/custom/CustomDictionary.txt; 我的詞典.txt;來追加詞典（推薦）。

具體絕對路徑可用 hanlp --version獲取：

#hanlp --version

jar1.6.3:/usr/local/lib/python2.7/site-packages/pyhanlp/static/hanlp-1.6.3.jar

data 1.6.2: /usr/local/lib/python2.7/site-packages/pyhanlp/static/data

config:/usr/local/lib/python2.7/site-packages/pyhanlp/static/hanlp.properties

#cat /usr/local/lib/python2.7/site-packages/pyhanlp/static/hanlp.properties | grep "CustomDictionaryPath"

3.建議在該路徑下添加自己的詞典文件例如 我的詞典.txt，并將其加入上面的properties文件里的CustomDictionaryPath下面。

#cat 我的詞典.txt  

codis集群 nz 1000

今日頭條 nz 1000

第一列為詞條，第二列為詞性（默認為 n），第三列為詞頻

4.然后需要刪除緩存文件，這樣python才會重新加載新增的文件：

#rm -f CustomDictionary.txt.bin

5.測試新增的詞典：

python -c "from pyhanlp import *;print(HanLP.segment('codis集群,今日頭條'))"

五月 16, 2018 4:43:14 下午 com.hankcs.hanlp.corpus.io.IOUtil readBytes

警告： 讀取

/usr/local/lib/python2.7/site-packages/pyhanlp/static/data/dictionary/custom/CustomDictionary.txt.bin時發生異常java.io.FileNotFoundException: /usr/local/lib/python2.7/site-packages/pyhanlp/static/data/dictionary/custom/CustomDictionary.txt.bin (沒有那個文件或目錄)

報這個錯誤沒有關系，只是個 warning，重新加載緩存文件而已。

備注：

HanLP詞性列表： 詳細的詞性列表可以查詢 hanlp項目網站上內容，更為全面詳細！

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

作者：明月三千里 68