HanLP自定义词典配置全解析：格式、示例、代码及注意事项

在HanLP中，`HanLP.Config.CustomDictionaryPath` 用于配置自定义词典的路径。自定义词典文件的格式比较简单，通常是纯文本文件，每行代表一个词条，词条后面可以跟词性和词频（可选），各部分之间用空格分隔。 以下是具体的格式示例： 仅包含词条 如果只需要添加词条，每行一个词条即可。 ```plaintext 苹果 香蕉 橙子 ``` 包含词条和词性 可以在词条后面添加词性，用空格分隔。 ```plaintext 苹果 n 香蕉 n 橙子 n ``` 这里 `n` 表示名词，HanLP 支持多种词性标注，例如 `v` 表示动词，`a` 表示形容词等。 包含词条、词性和词频 还可以进一步指定词频，同样用空格分隔。 ```plaintext 苹果 n 100 香蕉 n 80 橙子 n 90 ``` 词频用于在分词时影响分词结果，词频越高，该词条在分词时被选中的可能性越大。 以下是一个简单的 Java 代码示例，展示如何使用自定义词典： ```java import com.hankcs.hanlp.HanLP; import com.hankcs.hanlp.seg.Segment; import com.hankcs.hanlp.seg.common.Term; import java.util.List; public class CustomDictionaryExample { public static void main(String[] args) { // 设置自定义词典路径 HanLP.Config.CustomDictionaryPath = new String[]{"path/to/your/custom_dict.txt"}; // 创建分词器 Segment segment = HanLP.newSegment(); // 进行分词 String text = "我喜欢吃苹果和香蕉"; List<Term> termList = segment.seg(text); // 输出分词结果 for (Term term : termList) { System.out.println(term.word + " " + term.nature); } } } ``` 代码 - `HanLP.Config.CustomDictionaryPath`：设置自定义词典的路径，这里需要替换为实际的词典文件路径。 - `HanLP.newSegment()`：创建一个分词器。 - `segment.seg(text)`：对输入的文本进行分词，返回一个 `List<Term>` 对象。 - `term.word`：获取分词结果中的词语。 - `term.nature`：获取分词结果中的词性。 我在以往的开发过程中，碰到过以下几点需要格外小心处理的地方： 1. 自定义词典文件的编码格式必须为 UTF-8，否则可能会出现乱码问题。 2. 词条和词性、词频之间的分隔符必须是空格，不能使用其他符号。 3. 当自定义词典和 HanLP 内置的词典冲突时，可能会影响分词结果，需要仔细检查和调整。 ######[AI写代码神器 | 640点数解答 | 2026-01-19 10:13:19]