摘要：在我認(rèn)識(shí)范圍內(nèi)完成的是在日文文本分析方面的最強(qiáng)王者。簡(jiǎn)介是一個(gè)開源的日文詞法分析的庫。功能你可以用它來對(duì)日文文本進(jìn)行如下的處理，包括且不僅包括分詞給出讀音包括漢字詞性詞干提取你也可以在的嘗試。關(guān)聯(lián)可以將日文漢字轉(zhuǎn)換成平假名，片假名或的

在我認(rèn)識(shí)范圍內(nèi)atilika完成的Kuromoji是在日文文本分析方面的最強(qiáng)王者。

kuromoji是一個(gè)開源的日文詞法分析的JAVA庫。

但也有Ruby,javascript,go等語言的版本，你可以在github或則語言對(duì)應(yīng)的庫管理工具中找到。

官網(wǎng)有更多的信息。

你可以用它來對(duì)日文文本進(jìn)行如下的處理，包括且不僅包括：

分詞

給出讀音( 包括漢字)

詞性

詞干提取

…...

你也可以在kuromoji.js的playground嘗試kuromoji。

作為一名前端小卒，我就以js版的kuromoji來做示范吧，JAVA同胞們可以看這里JAVA簡(jiǎn)要教程。

kuromoji的npm頁面在這里。

在 Node.js 中使用：

先通過npm來安裝到項(xiàng)目中

npm install kuromoji

再在JS文件中引用其。

var kuromoji = require("kuromoji");

接來下你可以如下來實(shí)例化一個(gè)解析器。

kuromoji.builder({ dicPath: "指定/對(duì)應(yīng)的路徑/到你使用/的/詞典上去" }).build(function (err, tokenizer) {
    // tokenizer is ready
    var path = tokenizer.tokenize("すもももももももものうち");
    console.log(path);
});
/* ！！注意 ！！
*
* Kuromoji可以指定不同的詞典，因此在實(shí)例化解析器的過程中需要指定使用
* 詞典的路徑，`kuromoji.builder`中的參數(shù)的`dicPath`的值應(yīng)指向使用
* 得詞典。
* 若在node.js中使用，一般來說直接使用該庫中的字典即可,即設(shè)置
*     {dicPath:"./node_modules/kuromoji/dict/"}
*/

在 瀏覽器 中使用：

如果使用npm安裝，那么你需要使用到包中的build/kuromoji.js 和 dict/*.dat.gz下的文件。

你可以直接使用前端模塊管理Bower來安裝瀏覽器專用的kuromoji。

bower install kuromoji

你也可以直接使用github、CDN等其他網(wǎng)絡(luò)鏈接的方式來引入該文件。

再在你的JS中這樣使用

設(shè)置路徑到kuromoji.builder({ dicPath: "指定/對(duì)應(yīng)的路徑/到你使用/的/詞典上去" }).build(function (err, tokenizer) {
    // tokenizer is ready
    var path = tokenizer.tokenize("すもももももももものうち");
    console.log(path);
});
/* ！！注意 ！！
*
* Kuromoji可以指定不同的詞典，因此在實(shí)例化解析器的過程中需要指定使用
* 詞典的路徑，`kuromoji.builder`中的參數(shù)的`dicPath`的值應(yīng)指向使用
* 得詞典。
* 若在瀏覽器中使用，則設(shè)置路徑到對(duì)應(yīng)的網(wǎng)絡(luò)位置就好。
* 比如字典放在了 http://apps.bdimg.com/libs/kuromoji.js/0.3.2/dict/
* 就設(shè)置{ dicPath:"http://apps.bdimg.com/libs/kuromoji.js/0.3.2/dict/" }
*/

tokenize()函數(shù)將會(huì)返回一個(gè)如下格式的JSON數(shù)組：

[ {
    word_id: 509800,          // 詞典中的詞所在ID
    word_type: "KNOWN",       // 單詞類型（存在詞典的為KNOWN，不存在的為UNKNOWN）
    word_position: 1,         // 單詞開始的位置
    surface_form: "黒文字",    // 單詞的表面(不知什么意思)
    pos: "名詞",               // 詞性
    pos_detail_1: "一般",      // 詞性細(xì)分類別1
    pos_detail_2: "*",        // 詞性細(xì)分類別2
    pos_detail_3: "*",        // 詞性細(xì)分類別3
    conjugated_type: "*",     // 活用型
    conjugated_form: "*",     // 活用形
    basic_form: "黒文字",      // 基本型
    reading: "クロモジ",       // 閱讀
    pronunciation: "クロモジ"  // 發(fā)育
  } ]

以處理 “世界の神” 為例子

tokenizer.tokenize("世界の神");

將會(huì)返回

[  { word_id: 2633350,
    word_type: "KNOWN",
    word_position: 6,
    surface_form: "世界",    
    pos: "名詞",
    pos_detail_1: "一般",
    pos_detail_2: "*",
    pos_detail_3: "*",
    conjugated_type: "*",
    conjugated_form: "*",
    basic_form: "世界",
    reading: "セカイ",
    pronunciation: "セカイ" },
  { word_id: 93100,
    word_type: "KNOWN",
    word_position: 8,
    surface_form: "の",
    pos: "助詞",
    pos_detail_1: "連體化",
    pos_detail_2: "*",
    pos_detail_3: "*",
    conjugated_type: "*",
    conjugated_form: "*",
    basic_form: "の",
    reading: "ノ",
    pronunciation: "ノ" },
  { word_id: 2771160,
    word_type: "KNOWN",
    word_position: 9,
    surface_form: "神",
    pos: "名詞",
    pos_detail_1: "一般",
    pos_detail_2: "*",
    pos_detail_3: "*",
    conjugated_type: "*",
    conjugated_form: "*",
    basic_form: "神",
    reading: "カミ",
    pronunciation: "カミ" },
]

你嘗試了一下，然后會(huì)發(fā)現(xiàn)kuromoji雖然強(qiáng)大，但是有一個(gè)問題——慢。

不過別擔(dān)心，kuromojin(node.js)可以幫你解決這個(gè)問題。

kuromojin

kuromojin是一個(gè)對(duì)kuromoji進(jìn)行了高度包裝的語法糖，并且還實(shí)現(xiàn)了緩沖層來保證速度。

使用kuromojin，你可以：

不用設(shè)置詞典的地址。

實(shí)例化解析器后，除了第一次之外，之后的速度會(huì)非常塊。

基于Promise實(shí)現(xiàn)了APi。

使用方面它的文檔已經(jīng)很詳細(xì)，RDD我就不多作介紹了。

可以將 日文漢字 轉(zhuǎn)換成 平假名，片假名或Romaji 的 KAKASI