hanlp中文智能分詞自動識別文字提取實例

需求：客戶給銷售員自己的個人信息，銷售幫助客戶下單，此過程需要銷售人員手動複製粘貼收穫地址，電話，姓名等等，一個智能的分詞系統可以讓銷售人員一鍵識別以上各種信息

經過調研，找到了一下開源項目

1、word 分詞器

2、ansj 分詞器

3、mmseg4j 分詞器

4、ik-analyzer 分詞器

5、jcseg 分詞器

6、fudannlp 分詞器

7、smartcn 分詞器

8、jieba 分詞器

9、stanford 分詞器

10、hanlp 分詞器

最後選擇了hanlp，步驟官網都有，下面演示智能匹配地址

1   List<Term> list = HanLP.newSegment().seg("湯姆江西省南昌市紅谷灘新區111號電話[phone]");

2    System.out.println(list);

輸出

1   [湯姆/nrf, 江西省/ns, 南昌市/ns, 紅谷灘/nz, 新區/n, 111/m, 號/q, 電話/n, 12023232323/m]

大公告成，不過前提必須下載那個600多M的data包並導入，纔可以識別地址，否則只是做了初步的識別

附上完整代碼

1     String str = "湯姆   江西省南昌市紅谷灘新區111號     12023232323";

2     String address = "";

3     String phone = "";

4     String name = "";

5     List<Term> terms = NLPTokenizer.segment(str);

6     System.out.println(terms);

7     for (Term term : terms) {

8         if (term.nature.startsWith("nr")){

9             //nr代表人名

10             name = term.word;

11             System.out.println("name: " + term.word);

12         }else if (term.nature.startsWith("m") && term.word.length() == 11){

13             //m代表數字

14            phone = term.word;

15            System.out.println("電話: " + term.word);

16        }

17    }

18    //由於地址包含了數字，解析的時候數字成爲單獨的個體，與實際不符，所以通過差集求出地址

19    address = str.replace(phone, "").replace(name, "").trim();

20    System.out.println("address: " + address);

運行結果

1    name: 湯姆

2    電話: [phone]

3    address: 江西省南昌市紅谷灘新區111號

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