简单介绍
结巴(Jieba)是一个轻量化的中文分词组件。采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合，对于未登录词，采用了基于汉字成词能力的HMM模型，使用了Viterbi算法。
相关项目
| 传送门 | 简介 |
|---|---|
| Jieba | Jieba中文分词Python原版本 |
| CppJieba | CppJieba中文分词C++版本 |
特点
支持四种分词模式
- 精确模式，试图将句子最精确地切开，适合文本分析
- 全模式，把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义
- 搜索引擎模式，在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词
- 自定义长度模式，自定义分词最大长度，适合灵活场景。
主要功能
Jieba.Cut()方法接受两个参数
[文本型] sentence待分词的字符串
[逻辑型] hmm是否使用 HMM 模型处理未登录词
调试输出 (Jieba.Cut (“我来到北京清华大学，台中”, 假))
输出结果：我/来到/北京/清华大学/，/台/中
Jieba.CutAll()方法接受一个参数
[文本型] sentence待分词的字符串
调试输出 (Jieba.CutAll (“我来到北京清华大学，台中”))
输出结果：我/来到/北京/清华/清华大学/华大/大学/，/台中
Jieba.CutHMM()方法接受一个参数
[文本型] sentence待分词的字符串
调试输出 (Jieba.CutHMM (“我来到北京清华大学，台中”))
输出结果：我来/到/北京/清华大学/，/台中
Jieba.CutForSearch()方法接受两个参数
[文本型] sentence待分词的字符串
[逻辑型] hmm是否使用 HMM 模型处理未登录词
调试输出 (Jieba.CutForSearch (“我来到北京清华大学，台中”))
输出结果：我/来到/北京/清华/华大/大学/清华大学/，/台中
Jieba.CutSmall()方法接受两个参数
[文本型] sentence待分词的字符串
[整数型] max_word_len最大词长限制
调试输出 (Jieba.CutSmall (“我来到北京清华大学，台中”, 1))
输出结果：我/来/到/北/京/清/华/大/学/，/台/中
自定义用户词典
自定义词典示例请看dict/user.dict.utf8
没有使用自定义用户词典时的结果:
令狐冲/是/云/计算/行业/的/专家使用自定义用户词典时的结果:
令狐冲/是/云计算/行业/的/专家我的碎碎念
这两天在做本地的全文搜索引擎(搜搜文章，文件之类的)，在写倒排索引的时候需要用到分词功能就顺便发出来了。以我能跑就行的特点(懒)如果不出意外的话后续不会有什么更新了。
更新日志
- 3月3日更新置1.0.2版本
·修复Create报错问题
·补充缺失字典文件
感谢分享
