ansj 歧义词典-马育民老师

# 警告

官方说明如下：

> 歧义纠正是Ansj分词的最后最后的大招了。**杀伤力巨大**。谨慎使用。极可能造成其他的错误。

# 提出问题

在本网站中，搜索 `报错`，无法搜索到下面3条记录：

- hbase java 代码建表报错：RpcRetryingCallerImpl -- Call exception, tries=7, retries=16, started=17044
- python2.7unicode转gbk时报错UnicodeEncodeError: 'gbk' codec can't encode character u'\xa0'
- vue教程-组件的属性名不能是key，会报错："key" is a reserved attribute and cannot be used as component prop.

即使将 `报错` 添加到 **用户词库** 中，也无法搜到到

是因为分词时，优先分成其他的词了

- 上面第1条记录，优先分词为：`表报`，确有该词，可自行百度
- 上面第2条记录，优先分词为：`时报`，确有该词，可自行百度
- 上面第3条记录，优先分词为：`会报`，确有该词，可自行百度

### 代码验证错误

```
import org.ansj.domain.Result;
import org.ansj.domain.Term;
import org.ansj.library.AmbiguityLibrary;
import org.ansj.library.DicLibrary;
import org.ansj.splitWord.analysis.DicAnalysis;
import org.ansj.util.MyStaticValue;

import java.util.Iterator;

/**
 * 加载歧义词库
 */
public class Test5 {
    public static void main(String[] args) {
        Result result = DicAnalysis.parse("python2.7unicode转gbk时报错UnicodeEncodeError: ‘gbk’ codec can’t encode character u’\\xa0’");
        Iterator<Term> it = result.iterator();
        while(it.hasNext()){
            Term t = it.next();
            System.out.println(t.getName());
        }
    }

```

### 解决方式一（不完美）

定义 **用户词库** ：

```
报错	n	1000
```

可以处理上面第1条、第3条，但无法处理第2条

### 解决方式二（完美）

此时，可通过 **歧义词典** 解决

# 介绍

详见官网：

http://nlpchina.github.io/ansj_seg/

### 创建歧义词典文件

创建文件：`ambiguity.dict`，内容如下：

```
二维	n
二维数组	n
二次	n
报错	v
```

### 加载歧义词典文件

```
private void loadLibrary() throws Exception {

File config = PathUtils.getWebInfPath("/userLibrary.dict");
//        forest = Library.makeForest(config.getPath());
    MyStaticValue.putLibrary(DicLibrary.DEFAULT, config.getPath());

File ambiguity = PathUtils.getWebInfPath("/ambiguity.dict");
    MyStaticValue.putLibrary(AmbiguityLibrary.DEFAULT, ambiguity.getPath(), AmbiguityLibrary.get());

System.out.println("加载用户词库完毕！");
}
```

### 完整代码

import java.util.Iterator;

/**
 * 加载歧义词库
 */
public class Test5 {
    public static void main(String[] args) {
        MyStaticValue.putLibrary(DicLibrary.DEFAULT, "D:\\mym\\baidu2\\web\\WEB-INF\\userLibrary.dict");
        MyStaticValue.putLibrary(AmbiguityLibrary.DEFAULT, "D:\\mym\\baidu2\\web\\WEB-INF\\ambiguity.dict", AmbiguityLibrary.get());
        System.out.println("加载用户词库完毕！");

Result result = DicAnalysis.parse("python2.7unicode转gbk时报错UnicodeEncodeError: ‘gbk’ codec can’t encode character u’\\xa0’");
        Iterator<Term> it = result.iterator();
        while(it.hasNext()){
            Term t = it.next();
            System.out.println(t.getName());
        }
    }
}
```

参考：
https://blog.csdn.net/bohu83/article/details/103503374
https://blog.csdn.net/PancrasBohemian/article/details/80309687

原文出处：/show_1IX7Fktg2cHV.html