ruby 下使用 ICTCLAS(JAVA)

ICTCLAS并没有RUBY开发版本，RUBY可以使用C版本和JAVA版本的ICTCLAS来做分词

RUBY用C的代码，涉及到重写接口和包装的问题，比较麻烦

在此讨论RUBY用JAVA版本的ICTCLAS实现分词

 

总体思想：RJB是个很精彩的库

 

1. 下载ICTCLAS4j

2. 目录结构

 

=

==ICTCLAS.rb

==ICTCLAS(ICTCLAS4j的源文件)

==DATA(复制ICTCLAS4j的源文件中的DATA文件夹，为什么复制在此我们稍后讨论)

3. 环境

　　Windows 7

　　Ruby 1.8.6

　　rjb-1.2.0-x86-mswin32-60

4. 安装RJB

　　http://www.cnblogs.com/Tachikoma/archive/2010/01/28/1658261.html

　　这是我写的 RJB 在windows下的一些安装事项

5.  ICTCLAS.rb 的源代码

　　

#代码用UTF-8格式保存
require "rubygems"
require "rjb"

require "iconv"

class ICTCLAS
	def self.fenci(input)
		output = ""
			Rjb::load(classpath="ICTCLAS/bin")
			segtag_class = Rjb::import('org.ictclas4j.segment.SegTag')
			string_class = Rjb::import('java.lang.String')
			input = string_class.new_with_sig("Ljava.lang.String;" , input)
			segtag = segtag_class.new_with_sig("I",1)
			seg_res = segtag.split(input)
			output = seg_res.getFinalResult()
		output
	end
end

output = ICTCLAS.fenci("这篇文章摘自Tachikoma的乱七八糟")
puts Iconv.iconv("GBK","utf-8",output) #转换码制以便输出

 

 

6. 在我们代码的根目录下(这点很重要，稍后讨论)，运行

 

ruby ICTCLAS.rb

可以看到结果

 

这/r 篇/q 文章/n 摘自/v Tachikoma/nx 的/b 乱七八糟/i

 

 

 

 

讨论：

1. 路径问题

　　前面提到过两个问题

　　　　1] 将ICTCLAS4j 的 DATA 文件夹 复制到代码根目录下

　　　　2] 必须从代码根目录启动程序

　　否则易出现以下错误

 

in `method_missing': unknown exception (NullPointerException)

 

 

　　其原因就是 ICTCLAS4j 源代码中，org.ictclas4j.bean.Dictionary中load方法使用相对路径读取字典文件(位于DATA文件夹)，就要求DATA文件夹位于程序启动目录下

　　这个可以认为是ICTCLAS4j的一个BUG吧

　　P.S. 当然也自然有以下两种思路来解决这个问题

　　　　1] 修改源代码，重新编译ICTCLAS4j，使用绝对路径

　　　　2] 使用jvm启动参数 user.dir，但是经过多次尝试，失败

　　问题解决：

　　　　重新修改ICTCLAS.rb

 

require "rubygems"
require "rjb"

require "iconv"

class ICTCLAS
	def self.fenci(input)
		root_path = "#{File.dirname(__FILE__)}/ICTCLAS"
		output = ""
		Dir.chdir(root_path) do |path|		
			Rjb::load(classpath="bin")
			segtag_class = Rjb::import('org.ictclas4j.segment.SegTag')
			string_class = Rjb::import('java.lang.String')
			input = string_class.new_with_sig("Ljava.lang.String;" , input)
			segtag = segtag_class.new_with_sig("I",1)
			seg_res = segtag.split(input)
			output = seg_res.getFinalResult()
		end
		output
	end
end

　　　　　这样就可以从任意位置调用 ICTCLAS.fenci 方法 , DATA文件夹也可以放在ICTCLAS4j文件夹下