日语分词工具-Kuromoji 日本語単語割り切れツール:Kuromoji

环境：对天开发语言处理

务求：分析词语，将词语中之日文单词分割，转换形式。

分析：

　　任务1：词语拆分

　　任务2：转换形式

日文的款型转换可以用kanavetor去贯彻 非常简单
直接调用Kana类的convert方法就是足以，在Kana的官网及得看来用法（即便看不掌握介绍，看到管网的报表应该也就是一目了然了~）。

最主要在词语的拆分上：

辞拆分使用了Kuromoji，Kuromoji是如出一辙暂缓非常好用的日语分词工具，并且，分解后底词是得自动将汉字，平假名等转移成カタカナ的，有像样需要的足直接用是只要不用重新失去摸其余工具了。Kuromoji我找到了少于个版，一个凡是kuromoji，0.7.7版本，官网上说捐献给了apache，内置在Lucene的4.0,5.0本里，由于忘记Lucene的用法，暂且不考虑。另外一个版本是kuromoji-ipadic，这个东东跟kuromoji都是一个供销社来底，但是略有不同，稍微研究了一下，kuromoji在采取的时光是只能找到jar包，找不交源代码文件之，通过maven下载好，但是gradle是引入无了之。而kuromoji-ipadic则是gradlle也可引用,并且引入之后可以看源码。此外kuromoji毕竟是先前的api，还有局部微细的毛病。

kuromoji官网：http://www.atilika.org/

Kuromoji-ipadic官网：http://www.atilika.com/en/kuromoji/

Kuromoji用法：

1         Tokenizer tokenizer = Tokenizer.builder().build();
2         for (Token token : tokenizer.tokenize("寿司が食べたい。")) {
　　　　　　　　// token 中存放的是分割后的词 不同的属性可以取到该词的不同内容

              // surfaceForm:原内容

3             System.out.println(token.getSurfaceForm() + "\t" + );

              // baseForm:内容词语的基础 例如 食べたい⇒食べ

　　　　　　　　System.out.println(token.getBaseForm() + "\t" + );

4 }

↑↑↑这个api对日文汉字之识别率不如下面的api（有些简体日文汉字和专门生疏的鉴别不下，毕竟是镇版本），并且遇到不认得的汉字时token调用get方法会得到null。。。不建议使用。

Kuromoji-ipadic用法：

1         Tokenizer tokenizer = new Tokenizer() ;
2         List<Token> tokens = tokenizer.tokenize("お寿司が食べたい。");
3         for (Token token : tokens) {
4             System.out.println(token.getSurface()); // 读取到的原内容
5             System.out.println(token.getReading()); // カタカナ
6         }        

顺带一提，kuromoji-ipadic由于是故new产生有实例的，所以若你的家伙要系统要更换大量词汇，要专注不要开最多之new操作，不然会怪缓慢好缓慢好缓慢，此时可以定义成静态常量或者单例模式。

迎接大家评论以及指教。