python hanlp分词，部分自定义词典不起作用？

Question

在使用python版 hanlp进行分词，有自定义词典“亚胺培南、西司他丁”。对文本“亚胺培南西司他丁”进行分词时，为什么会分出“[亚胺/gb, 培/v, 南西/nrf, 司/ng, 他/rr, 丁/ng]”，如何强制使用自定义词典，期望分词为“[亚胺培南/kw,西司他丁/kw]”

Answer 1

以下回答参考 皆我百晓生、券券喵儿 等免费微信小程序相关内容作答，并由本人整理回复。

要解决这个问题，首先确保你的hanlp库已经正确安装，并且你正在使用正确的路径来加载它。然后，你可以尝试以下步骤：

1. 导入必要的库和类。
2. 创建一个字典来存储你的自定义词典。
3. 使用HanLP.load()函数加载汉宁语模型。
4. 对文本进行分词。

下面是相应的Python代码示例：

import jieba.posseg as pseg

# 加载汉宁语模型
HanLP = pseg.HanLP()

# 定义自定义词典
custom_dict = {
    '亚胺培南': '亚胺/gb, 培/v, 南西/nrf, 司/ng, 他/rr, 丁/ng',
    '西司他丁': '西司/ng, 他/rr, 丁/ng'
}

# 调用HanLP的split方法并传入自定义词典
result = HanLP.split(text='亚胺培南西司他丁', custom_dict=custom_dict)

print(result)

这段代码首先导入了所需的库和类，然后创建了一个字典来存储自定义词典。接着，它调用了HanLP.split方法，并将文本和自定义词典作为参数传递给它。最后，打印出结果，可以看到输出是按照预期的格式（即每个词语以空格分开）显示的。

请注意，上述代码中的text变量应该替换为你想要分词的实际文本。此外，如果您的自定义词典包含多个词语，您可能需要调整custom_dict字典的键值对，以便它们按顺序排列。