boss给了个做分词的任务，最开始想用的是结巴分词and正则表达式。后来发现结果并不好，需要一遍一遍筛选【第一个标准筛选出80%的数据，然后制定第二个标准，继续筛选，然后制定第三个标准筛选，等等等等】
自己用了一下结巴分词，感觉对于人名，地名，机构名，只是泛泛地使用了一下。在实际分开的时候，并不能很好地分开机构名称。于是转而使用hanlp分词
但是hanlp分词的缺点是只有在java上可以用，但是java一向又是我的弱项。所以在这里写一篇博客从头至尾叙述一下怎么样使用hanlp
而且，小胖胖把我的电脑锁在北师图书馆柜子里了。我工作没有电脑可用，于是使用小胖的电脑，也就是说，所有的基本变量都需要我自己来配来下，因此也相当于是从一张白纸到使用hanlp的过程。
第一步：下载一个jdk
到openjdk官网去下一个，直接安装即可。
安装过后，要配置三个环境变量，分别是
1.JAVA_HOME:C:\Program Files\Java\jdk1.8.0_73
2.CLASSPATH: 就是这个jdk打开之后里面的那个lib的目录
3.PATH:就是jdk后面的bin目录
配置完成之后，在Windows底下的cmd上面，输入java -version看看有没有反应即可判断是否正确安装jdk
【我这里出现了个小问题，在胖胖的电脑里，不知道她之前安装过什么东西，自带了一个jre1.6 然而我安装的是jre1.8 在cmd里面报错，说找不到jre1.6 后来我看了网上的说法，说是也许你别的软件也会下载java环境，所以你可能有许多不同的包，系统在寻找路径的时候，默认会根据你上面配置的环境变量里面找。因此，需要把咱们最新下的那个环境变量放在一大堆环境变量的最前面，尝试即可。】
下载了jdk安装成功之后，第二步，下载eclipse
到官网去找，记住，x86是32位，x64是64位，下载之后设定project的位置【比如我设在了D盘的根目录，结果发现不太好，但是已经改不了了。。教训】
安装成功之后，第三步，去下载hanlp的各种东西
方法1.maven方法，下载一个0配置即可。【但是我不会玩儿】
方法2：先下载hanlp-1.2.8.jar这个jar包
http://hanlp.linrunsoft.com/services.html
再下载data.zip这个数据包，可以选择，选择下载标准数据or迷你数据or全部数据。大小不同。我下的是标准版的。40M
再下载hanlp.properties这个是一个以properties结尾的一个文件，我之前从来没见过，不过可以用txt打开。
第四步：把下载的这些东西导入到eclipse里面去。构建路径
1.把jar包导入到eclipse的lib目录下
http://jingyan.baidu.com/article/ca41422fc76c4a1eae99ed9f.html
2.自己在src里面创建一个包，在包里面创建一个类。包会在我设置的根目录D:/下面，类名称首字母必须大写？【貌似不大写的话，会被否决】
3.把data包解压，然后放在一个自己喜欢的路径【我的路径是D://py/】然后，在hanlp.properties这个文件里，把root修改为data存放的上一级目录。
4.把hanlp.properties拖动到src这个目录下
然后试验了一个demo测试，发现报错，然后点击import import com.hankcs.hanlp.HanLP;
然后run了一下程序，
依然报错，发现是没有把properties那个文件导入到bin目录下，再次打开test0320，在那个bin目录下复制properties文件
之后运行，成功了
文章来源于tianbwin2995 的博客
网友评论