ansj分词

本文转载至:https://blog.csdn.net/bitcarmanlee/article/details/53607776

最近的项目需要使用到分词技术。本着不重复造轮子的原则，使用了ansj_seg来进行分词。本文结合博主使用经过，教大家用最快的速度上手使用ansj分词。

1.给ansj来个硬广

项目的github地址：https://github.com/NLPchina/ansj_seg 
项目的文档地址：http://nlpchina.github.io/ansj_seg/ 
首先必须感谢作者给我们提供这么好用的开源工具。

2.配置maven

在maven项目的pom中配置ansj的dependency：

<dependency> <groupId>org.ansj</groupId> <artifactId>ansj_seg</artifactId> <version>3.7.3-SNAPSHOT</version> </dependency>

3.使用实例

先不说那么多的理论，直接上可以run起来的代码。毕竟在工作过程中，解决问题是第一位的。只有解决完问题以后，我们才有功夫来慢慢研究其中的门道。 
对于分词来说，最重要的任务无非就是拿到切分以后的结果(词)。直接看代码：

import org.ansj.domain.Result; import org.ansj.domain.Term; import org.ansj.splitWord.analysis.ToAnalysis; import java.util.*; /** * Created by WangLei on 16-12-9. */ public class AnsjTest { public static void test() { //只关注这些词性的词 Set<String> expectedNature = new HashSet<String>() {{ add("n");add("v");add("vd");add("vn");add("vf"); add("vx");add("vi");add("vl");add("vg"); add("nt");add("nz");add("nw");add("nl"); add("ng");add("userDefine");add("wh"); }}; String str = "欢迎使用ansj_seg,(ansj中文分词)在这里如果你遇到什么问题都可以联系我.我一定尽我所能.帮助大家.ansj_seg更快,更准,更自由!" ; Result result = ToAnalysis.parse(str); //分词结果的一个封装，主要是一个List<Term>的terms System.out.println(result.getTerms()); List<Term> terms = result.getTerms(); //拿到terms System.out.println(terms.size()); for(int i=0; i<terms.size(); i++) { String word = terms.get(i).getName(); //拿到词 String natureStr = terms.get(i).getNatureStr(); //拿到词性 if(expectedNature.contains(natureStr)) { System.out.println(word + ":" + natureStr); } } } public static void main(String[] args) { test(); } }

将代码run起来：

欢迎/v, 使用/v, ansj/en, _, seg/en, ,, (, ansj/en, 中文/nz, 分词/n, ), 在/p, 这里/r, 如果/c, 你/r, 遇到/v, 什么/r, 问题/n, 都/d, 可以/v, 联系/v, 我/r, ./m, 我/r, 一定/d, 尽/v, 我/r, 所/u, 能/v, ./m, 帮助/v, 大家/r, ./m, ansj/en, _, seg/en, 更/d, 快/a, ,, 更/d, 准/a, ,, 更/d, 自由/a, !] 45 欢迎:v 使用:v 中文:nz 分词:n 遇到:v 问题:n 可以:v 联系:v 尽:v 能:v 帮助:v

上面的代码就拿到了我们想要的分词结果！

4.词性

在作者的文档中，详细标明了相关词性：

# 1. 名词 (1个一类，7个二类，5个三类) 名词分为以下子类： n 名词 nr 人名 nr1 汉语姓氏 nr2 汉语名字 nrj 日语人名 nrf 音译人名 ns 地名 nsf 音译地名 nt 机构团体名 nz 其它专名 nl 名词性惯用语 ng 名词性语素 nw 新词 # 2. 时间词(1个一类，1个二类) t 时间词 tg 时间词性语素 # 3. 处所词(1个一类) s 处所词 # 4. 方位词(1个一类) f 方位词 # 5. 动词(1个一类，9个二类) v 动词 vd 副动词 vn 名动词 vshi 动词“是” vyou 动词“有” vf 趋向动词 vx 形式动词 vi 不及物动词（内动词） vl 动词性惯用语 vg 动词性语素 # 6. 形容词(1个一类，4个二类) a 形容词 ad 副形词 an 名形词 ag 形容词性语素 al 形容词性惯用语 # 7. 区别词(1个一类，2个二类) b 区别词 bl 区别词性惯用语 # 8. 状态词(1个一类) z 状态词 # 9. 代词(1个一类，4个二类，6个三类) r 代词 rr 人称代词 rz 指示代词 rzt 时间指示代词 rzs 处所指示代词 rzv 谓词性指示代词 ry 疑问代词 ryt 时间疑问代词 rys 处所疑问代词 ryv 谓词性疑问代词 rg 代词性语素 # 10. 数词(1个一类，1个二类) m 数词 mq 数量词 # 11. 量词(1个一类，2个二类) q 量词 qv 动量词 qt 时量词 # 12. 副词(1个一类) d 副词 # 13. 介词(1个一类，2个二类) p 介词 pba 介词“把” pbei 介词“被” # 14. 连词(1个一类，1个二类) c 连词 cc 并列连词 # 15. 助词(1个一类，15个二类) u 助词 uzhe 着 ule 了 喽 uguo 过 ude1 的 底 ude2 地 ude3 得 usuo 所 udeng 等 等等 云云 uyy 一样 一般 似的 般 udh 的话 uls 来讲 来说 而言 说来 uzhi 之 ulian 连 （“连小学生都会”） # 16. 叹词(1个一类) e 叹词 # 17. 语气词(1个一类) y 语气词(delete yg) # 18. 拟声词(1个一类) o 拟声词 # 19. 前缀(1个一类) h 前缀 # 20. 后缀(1个一类) k 后缀 # 21. 字符串(1个一类，2个二类) x 字符串 xx 非语素字 xu 网址URL # 22. 标点符号(1个一类，16个二类) w 标点符号 wkz 左括号，全角：（ 〔 ［ ｛ 《 【 〖〈 半角：( [ { < wky 右括号，全角：） 〕 ］ ｝ 》 】 〗 〉 半角： ) ] { > wyz 左引号，全角：“ ‘ 『 wyy 右引号，全角：” ’ 』 wj 句号，全角：。 ww 问号，全角：？ 半角：? wt 叹号，全角：！ 半角：! wd 逗号，全角：， 半角：, wf 分号，全角：； 半角： ; wn 顿号，全角：、 wm 冒号，全角：： 半角： : ws 省略号，全角：…… … wp 破折号，全角：—— －－ ——－ 半角：--- ---- wb 百分号千分号，全角：％ ‰ 半角：% wh 单位符号，全角：￥ ＄ ￡ ° ℃ 半角：$