Java实现汉字拼音转换和关键字分词(pinyin4j、hanlp)

2024-01-05 12:36

本文主要是介绍Java实现汉字拼音转换和关键字分词(pinyin4j、hanlp),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • pinyin4j
  • hanlp
  • 关键字分词

pinyin4j

  1. 添加maven依赖
<dependency><groupId>com.belerweb</groupId><artifactId>pinyin4j</artifactId><version>2.5.0</version>
</dependency>
  1. 获取文本拼音
 /*** 获取文本拼音* @param context 文本内容* @param existNotPinyin 是否保存非汉字* @return String 拼音*/
private String pinyinTest(String context, boolean existNotPinyin) {if (context == null || context.trim().length() <= 0) {return null;}//设置格式HanyuPinyinOutputFormat outputFormat = new HanyuPinyinOutputFormat();//WITHOUT_TONE 不带音标、WITH_TONE_NUMBER 带数字音标、WITH_TONE_MARK 带符号音标outputFormat.setToneType(HanyuPinyinToneType.WITHOUT_TONE);char[] chars = context.trim().toCharArray();StringBuilder builder = new StringBuilder();try {for (char aChar : chars) {String[] pinyin = PinyinHelper.toHanyuPinyinStringArray(aChar, outputFormat);//不是汉字会返回nullif (pinyin == null || pinyin.length <= 0) {if (existNotPinyin) {builder.append(aChar);}continue;}//多音字的情况取第一个(也可以全取)builder.append(pinyin[0]);}} catch (BadHanyuPinyinOutputFormatCombination e) {e.printStackTrace();}return builder.toString().toUpperCase();}
  1. 测试用例
@Test
public void test() {String temp = "我爱罗52";String list = pinyinTest(temp, false); //WOAILUO
}

hanlp

  1. 添加Maven依赖
<dependency><groupId>com.hankcs</groupId><artifactId>hanlp</artifactId><version>portable-1.8.4</version>
</dependency>
  1. 获取文本拼音
 /*** 获取文本拼音* @param context 文本内容* @param existNotPinyin 是否保存非汉字* @return String 拼音*/
private String hanLpTest(String content, Boolean existNotPinyin) {if (context == null || context.trim().length() <= 0) {return null;}if (existNotPinyin) {return HanLP.convertToPinyinString(content, "", false).toUpperCase();}List<Pinyin> pinyinList = HanLP.convertToPinyinList(content);StringBuilder builder = new StringBuilder();pinyinList.forEach(pinyin -> {if (pinyin == null || Pinyin.none5.equals(pinyin)) {return;}builder.append(pinyin.getPinyinWithoutTone());});return builder.toString().toUpperCase();
}
  1. 测试用例
@Test
public void test() {String temp = "我爱罗52";System.out.println(hanLpTest(temp, true)); //WOAILUO52
}

关键字分词

  1. 正则表达式
/*** 分词正则表达式*/
private final String SPLIT_WORD_REG_EX = "[^aoeiuv]?h?[iuv]?(ai|ei|ao|ou|er|ang?|eng?|ong|a|o|e|i|u|ng|n)?";
  1. 获取分词结果
/*** 关键字分词* @param keyword 关键字* @return List<String> 分词列表*/
private List<String> splitTest(String keyword) {if (context == null || context.trim().length() <= 0) {return Collections.emptyList();}List<String> keywordList = new ArrayList<>();int index = 0;Pattern pat = Pattern.compile(SPLIT_WORD_REG_EX);for (int i = keyword.length(); i > 0; i = i - index) {Matcher matcher = pat.matcher(keyword);if (!matcher.find()) {break;}keywordList.add(matcher.group());index = matcher.end() - matcher.start();keyword = keyword.substring(index);}return keywordList;
}
  1. 测试用例
 @Testpublic void test() {String temp = "我爱罗52";List<String> list = splitTest(temp);System.out.println(list); //[我, 爱, 罗, 5, 2]}

这篇关于Java实现汉字拼音转换和关键字分词(pinyin4j、hanlp)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/572889

相关文章

JVM 的类初始化机制

前言 当你在 Java 程序中new对象时,有没有考虑过 JVM 是如何把静态的字节码(byte code)转化为运行时对象的呢,这个问题看似简单,但清楚的同学相信也不会太多,这篇文章首先介绍 JVM 类初始化的机制,然后给出几个易出错的实例来分析,帮助大家更好理解这个知识点。 JVM 将字节码转化为运行时对象分为三个阶段,分别是:loading 、Linking、initialization

Spring Security 基于表达式的权限控制

前言 spring security 3.0已经可以使用spring el表达式来控制授权,允许在表达式中使用复杂的布尔逻辑来控制访问的权限。 常见的表达式 Spring Security可用表达式对象的基类是SecurityExpressionRoot。 表达式描述hasRole([role])用户拥有制定的角色时返回true (Spring security默认会带有ROLE_前缀),去

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程,特意画了如下的类图,包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口,接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti

Spring Security--Architecture Overview

1 核心组件 这一节主要介绍一些在Spring Security中常见且核心的Java类,它们之间的依赖,构建起了整个框架。想要理解整个架构,最起码得对这些类眼熟。 1.1 SecurityContextHolder SecurityContextHolder用于存储安全上下文(security context)的信息。当前操作的用户是谁,该用户是否已经被认证,他拥有哪些角色权限…这些都被保

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

Java架构师知识体认识

源码分析 常用设计模式 Proxy代理模式Factory工厂模式Singleton单例模式Delegate委派模式Strategy策略模式Prototype原型模式Template模板模式 Spring5 beans 接口实例化代理Bean操作 Context Ioc容器设计原理及高级特性Aop设计原理Factorybean与Beanfactory Transaction 声明式事物

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

Java进阶13讲__第12讲_1/2

多线程、线程池 1.  线程概念 1.1  什么是线程 1.2  线程的好处 2.   创建线程的三种方式 注意事项 2.1  继承Thread类 2.1.1 认识  2.1.2  编码实现  package cn.hdc.oop10.Thread;import org.slf4j.Logger;import org.slf4j.LoggerFactory

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu