最近在研究中文分词及自然语言相关的内容，关注到JAVA环境下的HanLP，HanLP是一个致力于向生产环境普及NLP技术的开源Java工具包，支持中文分词（N-最短路分词、CRF分词、索引分词、用户自定义词典、词性标注），命名实体识别（中国人名、音译人名、日本人名、地名、实体机构名识别），关键词提取，自动摘要，短语提取，拼音转换，简繁转换，文本推荐，依存句法分析（MaxEnt依存句法分析、神经网络依存句法分析）。
由于自己才疏学浅，对JAVA方面了解不多，所以打算在Python环%2, line 5, in <module>
startJVM(getDefaultJVMPath())
File “C:\Python27\lib\site-packages\jpype\_core.py”, line 44, in startJVM
_jpype.startup(jvm, tuple(args), True)
RuntimeError: First paramter must be a string or unicode at src/native/python/jpype_module.cpp:31
很有可能是没有配置JDK的环境变量或安装的JDK的位数与Python的位数不一致。导致 getDefaultJVMPath() 方法返回的是 None。
下载HanLP
- 你可以直接下载Portable版的jar，零配置。
- 也可以使用自定义的HanLP——HanLP由3部分组成：类库hanlp.jar包、模型data包、配置文件hanlp.properties，请前往项目主页下载最新版：https://github.com/hankcs/HanLP/releases。对于非portable版，下载后，你需要编辑配置文件第一行的root指向data的父目录。
这里，假设新建了一个目录（假定为C:\hanlp），把hanlp.jar和hanlp.properties（portable版的话，仅需一个hanlp-portable.jar）放进去。
Python调用
以下是我的测试：（使用的是Python，与Python3 相比多了 .toString() 这一操作）
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 |
#!/usr/bin/env python # -*- coding: utf-8 -*- from jpype import * startJVM(getDefaultJVMPath(), "-Djava.class.path=G:\TextAnalysis\libs\hanlp-portable-1.3.1.jar;G:\TextAnalysis\libs") HanLP = JClass('com.hankcs.hanlp.HanLP') my_words = u'HanLP是一个致力于向生产环境普及NLP技术的开源Java工具包' # 标准分词 print(HanLP.segment(my_words).toString()) #索引分词 IndexTokenizer = JClass('com.hankcs.hanlp.tokenizer.IndexTokenizer') print(IndexTokenizer.segment(my_words).toString()) # 关键词提取 document = u"JPype是一个能够让 Python 代码方便地调用 Java 代码的工具，" \ u"JPype并没有像IKVM（一款可以在.NET环境中运行JAVA代码的工具）那样实现自己的JVM，" \ u"而是以pipe方式调用原生JVM。如果要使用JPype就需要先安装JDK。" print(HanLP.extractKeyword(document, 3).toString()) # 自动摘要 print(HanLP.extractSummary(document, 2).toString()) shutdownJVM() |
参考文章：
Update：2019-11-20
HanLP目前提供了Python接口，安装方法：pip install pyhanlp
测试代码：
|
1 2 |
from pyhanlp import HanLP print(HanLP.segment('我爱自然语言处理')) |
第一次执行会报如下错误：
|
1 2 3 4 5 6 7 8 |
Traceback (most recent call last): File "D:/CodeHub/NLP/test_new.py", line 1, in <module> from pyhanlp import HanLP File "D:\CodeHub\NLP\venv\lib\site-packages\pyhanlp\__init__.py", line 145, in <module> _start_jvm_for_hanlp() File "D:\CodeHub\NLP\venv\lib\site-packages\pyhanlp\__init__.py", line 77, in _start_jvm_for_hanlp HANLP_DATA_PATH) ValueError: 配置错误: 数据包 D:/CodeHub/NLP/venv/lib/site-packages/pyhanlp/static\data 不存在，请修改配置文件中的root |
解决方案：下载相关的文件并解压到对应文件夹。下载地址：http://nlp.hankcs.com/download.php?file=data
File “C:/Users/Administrator/PycharmProjects/untitled5/unn.py”, line 8, in
HanLP = JClass(‘com.hankcs.hanlp.HanLP’)
File “C:\Python34\lib\site-packages\jpype\_jclass.py”, line 55, in JClass
raise _RUNTIMEEXCEPTION.PYEXC(“Class %s not found” % name)
若报错是这样的话 是有什么问题呢 请问
类没有找到，是否正确加载jar包？
jpype._jexception.ExceptionPyRaisable: java.lang.Exception: Class com.hankcs.hanlp.HanLP not found,类找不到，请问你是怎么放置com下面的文件夹的？先谢谢啦
直接放在项目文件夹下