paoding 中文分词学习

因为毕业设计需要用到中文分词这个功能，自己写分词软件？简直是天方夜谭。

查了一下比较通用的分词软件，最后选择了paoding中文分词，理由看图片：

仅支持java语言，作为一个java爱好者，有什么比这句话更有诱惑的呢。

俗话说：万事开头难。第一步当然是先现在开发包了，下载地址：点击打开链接

下载之后，下一步就是去阅读开发文档了。于是，果断泪奔了！

有这么简陋的开发文档吗！！！能再简陋点吗！！！好吧，忍了！

还好上面还是有“效果体验”和“开始使用”两部分的文档。

先体验一下

效果还行吧~~

于是就开始使用

原来要设置一个词库，瞅瞅下载的开发包，里面有 dic 目录随便打开一个文件：

原来是这样子的。

大致明白了，庖丁是根据这些库里面的词组，进行对中文的分词的。按照开发文档设置好环境变量，把example包下面的例子拷贝到自己新建的项目中，根据提示，导入需要的包：

paoding依赖的是lucene,所以lucene的jar包要导入，logging的jar包主要负责日志生成，junit复测单元测试。

在paoding的开发包里面的lib目录下面，有两个spring的jar包，根据开发文档目录（因为只有目录没内容）推测，这个是用来支持spring的，暂时不用。

然后运行，结果报错！错误提醒说我没有设置PAODING_IDC_HOME，我明明设置了啊！重新搞了很多次，依旧不行。没办法了问google老师吧，查了半天，原来是开发文档搞错了

PAODING_DIC_HOME的变量值少个'/',应该是 E:/data/paoding/dic/  

不知道是哪个部分责任的写的开发文档。google环境变量的同时也找到了另一种方法，根据环境变量报错提示，发现还有另一种方法设置paoding_dic_home。

paoding-analysis.jar  包里面有个文件paoding-dic-home.properties

把里面的修改为下面的

#values are "system-env" or "this";#if value is "this" , using the paoding.dic.home as dicHome if configed!paoding.dic.home.config-fisrt=this#dictionary home (directory)#"classpath:xxx" means dictionary home is in classpath.#e.g "classpath:dic" means dictionaries are in "classes/dic" directory or any other classpath directorypaoding.dic.home=E:/paoding/dic/#seconds for dic modification detection#paoding.dic.detector.interval=60

里面的英文就不需要翻译了，修改之后就可不修改系统的环境变量了。
然后就可以运行example里面的例子了：

下一步就是研究具体怎么使用paoding分词了。

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

自己把自己的这个demo和paoding的开发包放在csdn了，供大家免积分下载，共同交流；点击打开链接

------------------------------------------2013年4月25日17:13:24 补充----------------------------------------------------------

上面是在公司电脑弄得，今天在家里电脑又搞了一次，发现关于PAODING_IDC_HOME总是出现各种问题，如果用电脑的环境变量，貌似不用加最后的"/"而且不区分“\”和“/”……而且每次设置之后貌似eclipse不能检测到，必须重启。搞了半天也没弄明白怎么回事。

最后建议不适用环境变量设置，配置文件中设置，文件夹符合要用“/”最后的一个“/”貌似加不加无所谓。

现在在纠结paoding的自定义词库。