Hanlp的安装和配置

Hanlp简介

HanLP 是由一系列模型与算法组成的 Java 工具包，目标是普及自然语言处理在生产环境中的应用。
HanLP 具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。
HanLP 提供下列功能：

中文分词
最短路分词
N-最短路分词
CRF分词索引分词
极速词典分词
用户自定义词典
词性标注命名实体识别
中国人名识别
音译人名识别
日本人名识别
地名识别
实体机构名识别
关键词提取
TextRank关键词提取
自动摘要
TextRank自动摘要
短语提取
基于互信息和左右信息熵的短语提取拼音转换
多音字声母韵母
声调简繁转换
繁体中文分词
简繁分歧词
文本推荐
语义推荐
拼音推荐
字词推荐
依存句法分析
MaxEnt依存句法分析
CRF依存句法分析
语料库工具
分词语料预处理
等一些列自然语言处理功能

下载与配置

方式一
Maven为了方便用户，特提供内置了数据包的Portable版，只需在pom.xml加入：

<dependency><groupId>com.hankcs</groupId><artifactId>hanlp</artifactId><version>portable-1.7.8</version>
</dependency>

零配置，即可使用基本功能（除由字构词、依存句法分析外的全部功能）。如果用户有自定义的需求，可以参考方式二，使用hanlp.properties进行配置（Portable版同样支持hanlp.properties）。

方式二
下载jar、data、hanlp.propertiesHanLP将数据与程序分离，给予用户自定义的自由。
1、下载：data.zip下载后解压到任意目录，接下来通过配置文件告诉HanLP数据包的位置。HanLP中的数据分为词典和模型，其中词典是词法分析必需的，模型是句法分析必需的。data
│
├─dictionary
└─model
用户可以自行增删替换，如果不需要句法分析等功能的话，随时可以删除model文件夹。

模型跟词典没有绝对的区别，隐马模型被做成人人都可以编辑的词典形式，不代表它不是模型。
GitHub代码库中已经包含了data.zip中的词典，直接编译运行自动缓存即可；模型则需要额外下载。

2、下载jar和配置文件：hanlp-release.zip配置文件的作用是告诉HanLP数据包的位置，只需修改第一行root=D:/JavaProjects/HanLP/为data的父目录即可，比如data目录是/Users/hankcs/Documents/data，那么root=/Users/hankcs/Documents/ 。最后将hanlp.properties放入classpath即可，对于多数项目，都可以放到src或resources目录下，编译时IDE会自动将其复制到classpath中。除了配置文件外，还可以使用环境变量HANLP_ROOT来设置root。安卓项目请参考demo。如果放置不当，HanLP会提示当前环境下的合适路径，并且尝试从项目根目录读取数据集。

一般方法：
步骤一：
通过方式二获取Hanlp的数据包和jar包并解压；其中，数据包放在任何位置都可以，我们会通过修改配置文件来对数据包进行定位；

数据包和jar包