pyhanlp用户自定义词典添加实例说明

pyhanlp用户自定义词典添加实例说明

pyhanlp是python版封装的的HanLP，项目地址：https://github.com/hankcs/pyhanlp

经过测试，HanLP比nltk在中文分词和实体识别方面都更好用.

如何向pyhanlp添加自定义的词典？以python 2.7.9为例：

1.安装pyhanlp：pip install pyhanlp

2.在字典路径下添加自定义的词典：CustomDictionary主词典文本路径是data/dictionary/custom/CustomDictionary.txt，用户可以在此增加自己的词语（不推荐）；也可以单独新建一个文本文件，通过配置文件；CustomDictionaryPath=data/dictionary/custom/CustomDictionary.txt; 我的词典.txt;来追加词典（推荐）。

具体绝对路径可用hanlp --version获取：

#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.建议在该路径下添加自己的词典文件例如 我的词典.txt，并将其加入上面的properties文件里的CustomDictionaryPath下面。

#cat 我的词典.txt  

codis集群 nz 1000

今日头条 nz 1000

 

第一列为词条，第二列为词性（默认为n），第三列为词频

4.然后需要删除缓存文件，这样python才会重新加载新增的文件：

#rm -f CustomDictionary.txt.bin

 

5.测试新增的词典：

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

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

警告：读取

/usr/local/lib/python2.7/site-packages/pyhanlp/static/data/dictionary/custom/CustomDictionary.txt.bin时发生异常java.io.FileNotFoundException: /usr/local/lib/python2.7/site-packages/pyhanlp/static/data/dictionary/custom/CustomDictionary.txt.bin (没有那个文件或目录)

 

报这个错误没有关系，只是个warning，重新加载缓存文件而已。

 

备注：

HanLP词性列表：详细的词性列表可以查询hanlp项目网站上内容，更为全面详细！

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

作者：明月三千里68