java调用NLPIR（ICTCLAS2016）实现分词功能

来源：互联网发布：淘宝同城网购编辑：程序博客网时间：2024/05/20 02:26

备注：win7 64位系统，netbeans编程

NLPIR分词系统，前身是2000年发布的ICTCLAS，2009年更为现名。张华平博士打造。

实现步骤：

1、在Netbeans中，文件→新建项目→java→java应用程序；项目名称：CWordSeg；
2、将NLPIR文件下…\sample\JnaTest_NLPIR\src\code中NlpirTest.java里的代码拷贝到CWordSeg.java里面；

初步修改代码为下图所示：

（1）将package包声明修改为cwordseg；
（2）将类名NlpirTest重命名重构为CWordSeg；
方法：右键CwordSeg.java→重构→重命名，改名为CWordSeg→重构；

如果只是直接修改代码里的类名，则仍然需要进行重构，否则运行时会报错：找不到主类CWordSeg。
（3）import utils.SystemParas; 未用到，暂时注释掉。

3、将NLPIR文件下…\sample\JnaTest_NLPIR\src下的utils文件夹直接拷贝到项目CWordSeg的src文件夹中；

4、将NLPIR文件下…\sample\JnaTest_NLPIR\lib下的jna-4.0.0.jar导入到工程库中；
方法（1）：右键库→添加JAR→选择jna-4.0.0.jar导入；
方法（2）：直接复制jna-4.0.0.jar文件到工程…\CWordSeg\lib文件夹下。
导完之后工程目录如下：

5、在工程CWordSeg文件夹中新建文件夹file：
（1）将NLPIR中的Data文件夹全部拷贝到file文件夹中；
（2）将…\lib\win64文件夹也全部拷贝到file文件夹（注意：如果是win32或linux请选择对应的文件夹）。

6、修改部分代码2：
（1）修改文件NLPIR.dll所在的路径，它在第5步中拷入的win64文件夹中，例如：
D:\\NetBeansProjects\\CWordSeg\\file\\win64\\NLPIR
注意：最后的NLPIR是文件名，不要加后缀.dll。
附：已经试验过，如果是64位操作系统，使用32位的文件将会报错。

（2）修Data文件夹所在的路径（即第5步中的Data文件夹），如下图所示：
D:\\NetBeansProjects\\CWordSeg\\file

（3）其他可以更改的地方：
编码格式：int charset_type = 1; 改为其它值。
其中：GBK对应0，UTF-8对应1，BIG5对应2，含繁体字的GBK对应3。

简化后代码如下：

[java] view plain copy
package cwordseg;  
  
import java.io.UnsupportedEncodingException;  
// import utils.SystemParas;  
import com.sun.jna.Library;  
import com.sun.jna.Native;  
  
/** 
 *  
 * 功能：基本的分词功能 
 * 最后更新时间：2016年3月14日 21:01:21 
 */  
  
public class CWordSeg {  
    // 定义接口CLibrary，继承自com.sun.jna.Library  
    public interface CLibrary extends Library {  
        // 定义并初始化接口的静态变量，用于加载NLPIR.dll，路径指向文件NLPIR.dll，但不加后缀dll  
        CLibrary Instance = (CLibrary) Native.loadLibrary("D:\\NetBeansProjects\\CWordSeg\\file\\win64\\NLPIR",CLibrary.class);  
        // 初始化函数声明：sDataPath是初始化路径地址，包括核心词库和配置文件的路径，encoding为输入字符的编码格式  
        public int NLPIR_Init(String sDataPath,int encoding,String sLicenceCode);  
        // 分词函数声明：sSrc为待分字符串，bPOSTagged=0表示不进行词性标注，bPOSTagged=1表示进行词性标注  
        public String NLPIR_ParagraphProcess(String sSrc,int bPOSTagged);  
        // 获取最后一个错误信息的函数声明  
        public String NLPIR_GetLastErrorMsg();  
        // 退出函数声明  
        public void NLPIR_Exit();  
    }  
      
    public static String transString(String aidString,String ori_encoding,String new_encoding) {  
        try {  
            return new String(aidString.getBytes(ori_encoding),new_encoding);  
        } catch (UnsupportedEncodingException e) {  
            e.printStackTrace();  
        }  
        return null;  
    }  
      
    public static void main(String[] args) throws Exception {  
        String argu = "D:\\NetBeansProjects\\CWordSeg\\file";     // 该路径指向Data文件夹（系统核心词库）  
        // String system_charset = "UTF-8";  
        int charset_type = 1;                  // UTF-8编码模式，其它的GBK对应0，BIG5对应2，含繁体字的GBK对应3  
        int init_flag = CLibrary.Instance.NLPIR_Init(argu, charset_type, "0");      // 运行初始化函数，成功则返回1，失败返回0  
        String nativeBytes;  
  
        // 初始化失败提示  
        if (0 == init_flag) {  
            nativeBytes = CLibrary.Instance.NLPIR_GetLastErrorMsg();    // 获取错误信息  
            System.err.println("初始化失败！原因："+nativeBytes);  
            return;  
        }  
          
        String sInput = "这是一本关于信息检索的书。";       // 手工输入的字符串sInput  
        try {  
            nativeBytes = CLibrary.Instance.NLPIR_ParagraphProcess(sInput, 1);      // 运行分词函数  
            System.out.println("分词结果为： " + nativeBytes);      // 输出分词结果  
            CLibrary.Instance.NLPIR_Exit();     // 退出  
        } catch (Exception ex) {  
            // TODO Auto-generated catch block  
            ex.printStackTrace();  
        }  
    }  
}  

运行结果：

出错解决：找不到主类CWordSeg

在第2步中修改了类名，需要用正确的方法修改，或者通过重构修正。

转载来自：http://blog.csdn.net/churximi/article/details/50895500

阅读全文

0 0