中文分词问题

[liuxm6]

比如“哈尔滨市” 用Complex和Simple模式都会只会分出来“哈尔滨市” 而不能分出来“哈尔滨市”和“哈尔滨”，用MaxWord分出来了“哈”，“尔”，“滨”，“市”，这个要怎么解决呢？感谢作者。

[liuxm6]

然后用户搜索“哈尔滨”的时候 里面有“哈尔滨市”的文章就不会出现在结果里面

[amao12580]

@liuxm6 花了点时间研究词库加载逻辑，发现当自定义的dicPath没有正确被load时（或者没有定义dicPath），会加载默认的3个词库：chars.dic、units.dic、words.dic，路径位于mmseg4j-core-1.10.2.jar文件内：mmseg4j-core-1.10.2.jar!\data*。而words.dic已经定义了"哈尔滨市"（35887行）是一个完整词汇，且35884行定义了“哈尔滨”也是一个完整词汇，所以出现你提的问题。

解决：download mmseg4j-core源码，删除35887行，用Complex和Simple模式可以正确分词了，自行install释出jar包。

为方便调试，我提供一个完成修改的jar包，链接