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*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*!" ;

        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, */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：$