hanlp用法中文智能分词自动识别文字提取

需求：客户给销售员自己的个人信息，销售帮助客户下单，此过程需要销售人员手动复制粘贴收获地址，电话，姓名等等，一个智能的分词系统可以让销售人员一键识别以上各种信息

经过调研，找到了一下开源项目

1、word 分词器
2、ansj 分词器
3、mmseg4j 分词器
4、ik-analyzer 分词器
5、jcseg 分词器
6、fudannlp 分词器
7、smartcn 分词器
8、jieba 分词器
9、stanford 分词器
10、hanlp 分词器

最后选择了hanlp，步骤官网都有，下面演示智能匹配地址

List<Term> list = HanLP.newSegment().seg("汤姆江西省南昌市红谷滩新区111号电话12023232323");
System.out.println(list);

输出

[汤姆/nrf, 江西省/ns, 南昌市/ns, 红谷滩/nz, 新区/n, 111/m, 号/q, 电话/n, 12023232323/m]

可以看出已经初步识别，但是我们需要的是完整的地址，通过输出容易猜出字符串后面的ns，nz之类的是类型，此时首先想到的是判断类型，符合地址的类型就拼接字符串，但是无所不能的开源社区肯定有人早就写好了，查看官网，发现这样的字段
NLP分词 NLPTokenizer 会执行全部命名实体识别和词性标注。
貌似是我想要的

 terms = NLPTokenizer.segment("汤姆江西省南昌市红谷滩新区111号电话12023232323");">
System.out.println(terms);

结果

[汤姆/nr, 江西省南昌市红谷滩新区/nt, 111/m, 号/q, 电话/n, 12023232323/m]

大公告成，不过前提必须下载那个600多M的data包并导入，才可以识别地址，否则只是做了初步的识别

附上完整代码

        String str = "汤姆   江西省南昌市红谷滩新区111号     12023232323";
        String address = "";
        String phone = "";
        String name = "";
        List<Term> terms = NLPTokenizer.segment(str);
        System.out.println(terms);
        for (Term term : terms) {
            if (term.nature.startsWith("nr")){
                //nr代表人名
                name = term.word;
                System.out.println("name: " + term.word);
            }else if (term.nature.startsWith("m") && term.word.length() == 11){
                //m代表数字
                phone = term.word;
                System.out.println("电话: " + term.word);
            }
        }

        //由于地址包含了数字，解析的时候数字成为单独的个体，与实际不符，所以通过差集求出地址
        address = str.replace(phone, "").replace(name, "").trim();
        System.out.println("address: " + address);

运行结果

name: 汤姆 
电话: 12023232323
address: 江西省南昌市红谷滩新区111号

---