cppjieba 介绍
简介
支持utf-8, gbk编码，但是推荐使用utf-8编码， 因为gbk编码缺少严格测试，慎用。
内置分词服务server/server.cpp，在linux环境下可安装使用。
支持 linux , mac osx 操作系统。
支持 Docker。
g(version >= 4.1 recommended) or clang;
cmake (version >= 2.6 recommended);
git clone --depth=10 --branch=master git://github.com/aszxqw/cppjieba.git cd cppjieba mkdir build cd build cmake .. make
有兴趣的可以跑跑测试(可选):
./test/test.run ./load_test
./segment.demo
详细请看 test/segment_demo.cpp.
./bin/cjserver ../test/testdata/server.conf
curl http://127.0.0.1:11200/?key=南京市长江大桥 [南京市, 长江大桥] curl http://127.0.0.1:11200/?key=南京市长江大桥&format=simple 南京市 长江大桥
用 chrome 浏览器打开也行 ( chrome 设置默认编码是utf-8):
curl -d 南京市长江大桥 http://127.0.0.1:11200/
返回结果如下：
[南京市, 长江大桥]
如果有需要 安装使用 的，可以按照如下操作：
sudo make install
/etc/init.d/cjserver.start >> /dev/null 2>&1 /etc/init.d/cjserver.stop
cd build/ cat install_manifest.txt | sudo xargs rm -rf
安装和启动
sudo docker pull yanyiwu/cppjieba sudo docker run -d -P yanyiwu/cppjieba sudo docker ps CONTAINER IDIMAGE COMMANDCREATED STATUS PORTS NAMES 7c29325e9c20yanyiwu/cppjieba:latest ./bin/cjserver ../t 4 minutes ago Up 4 minutes0.0.0.0:49160->11200/tcp angry_wilson
可以看到正在运行的 Docker 容器(容器内运行着 cjserver 服务)，并且服务的端口号被映射为 0.0.0.0:49160 。
所以现在可以来一发测试了：
curl http://0.0.0.0:49160/?key=南京市长江大桥
预期结果如下：
[南京市, 长江大桥]
MPSegment
Output:
我来到北京清华大学 我/来到/北京/清华大学 他来到了网易杭研大厦 他/来到/了/网易/杭/研/大厦 小明硕士毕业于中国科学院计算所，后在日本京都大学深造 小/明/硕士/毕业/于/中国科学院/计算所/，/后/在/日本京都大学/深造
HMMSegment
我来到北京清华大学 我来/到/北京/清华大学 他来到了网易杭研大厦 他来/到/了/网易/杭/研大厦 小明硕士毕业于中国科学院计算所，后在日本京都大学深造 小明/硕士/毕业于/中国/科学院/计算所/，/后/在/日/本/京/都/大/学/深/造
MixSegment
我来到北京清华大学 我/来到/北京/清华大学 他来到了网易杭研大厦 他/来到/了/网易/杭研/大厦 小明硕士毕业于中国科学院计算所，后在日本京都大学深造 小明/硕士/毕业/于/中国科学院/计算所/，/后/在/日本京都大学/深造
FullSegment
我来到北京清华大学 我/来到/北京/清华/清华大学/华大/大学 他来到了网易杭研大厦 他/来到/了/网易/杭/研/大厦 小明硕士毕业于中国科学院计算所，后在日本京都大学深造 小/明/硕士/毕业/于/中国/中国科学院/科学/科学院/学院/计算/计算所/，/后/在/日本/日本京都大学/京都/京都大学/大学/深造
QuerySegment
我来到北京清华大学 我/来到/北京/清华/清华大学/华大/大学 他来到了网易杭研大厦 他/来到/了/网易/杭研/大厦 小明硕士毕业于中国科学院计算所，后在日本京都大学深造 小明/硕士/毕业/于/中国/中国科学院/科学/科学院/学院/计算所/，/后/在/中国/中国科学院/科学/科学院/学院/日本/日本京都大学/京都/京都大学/大学/深造
可以看出效果最好的是Mix，也就是融合MP和HMM的切词算法。即可以准确切出词典已有的词，又可以切出像”杭研”这样的未登录词。
Full方法切出所有字典里的词语。
Query方法先使用Mix方法切词，对于切出来的较长的词再使用Full方法。
自定义词典示例请看test/testdata/userdict.utf8。
载入自定义词典示例请看test/segment.cpp，产生的可执行文件示例请见 build/segment.demo
令狐冲/是/云/计算/行业/的/专家
令狐冲/是/云计算/行业/的/专家
make && ./keyword.demo
你将看到如下结果：
我是拖拉机学院手扶拖拉机专业的。不用多久，我就会升职加薪，当上CEO，走上人生巅峰。 [CEO:11.7392, 升职:10.8562, 加薪:10.6426, 手扶拖拉机:10.0089, 巅峰:9.49396]
详细请见 test/keyword_demo.cpp.
./tagging.demo
详情请看 test/tagging_demo.cpp.
[我:r, 是:v, 蓝翔:x, 技工:n, 拖拉机:n, 学院:n, 手扶拖拉机:n, 专业:n, 的:uj, 。:x, 不用:v, 多久:m, ，:x, 我:r, 就:d, 会:v, 升职:v, 加薪:nr, ，:x, 当:t, 上:f, 总经理:n, ，:x, 出任:v, CEO:eng, ，:x, 迎娶:v, 白富美:x, ，:x, 走上:v, 人生:n, 巅峰:n, 。:x]
支持自定义词性。 比如在(dict/user.dict.utf8)增加一行
蓝翔 nz
结果如下：
[我:r, 是:v, 蓝翔:nz, 技工:n, 拖拉机:n, 学院:n, 手扶拖拉机:n, 专业:n, 的:uj, 。:x, 不用:v, 多久:m, ，:x, 我:r, 就:d, 会:v, 升职:v, 加薪:nr, ，:x, 当:t, 上:f, 总经理:n, ，:x, 出任:v, CEO:eng, ，:x, 迎娶:v, 白富美:x, ，:x, 走上:v, 人生:n, 巅峰:n, 。:x]
其它词典资料分享
收到邮件询问跨语言包装(ios应用开发)使用的问题，这方面我没有相关的经验，建议参考如下python使用cppjieba的项目：
jannson 开发的供 python模块调用的项目
cppjiebapy , 和相关讨论
cppjiebapy_discussion .
如果有需要在node.js中使用分词，不妨试一下NodeJieba。
如果有需要在处理中文文档的的相似度计算，不妨试一下simhash。
如果有需要在erlang中使用分词的话，不妨试一下exjieba。
jiebaR
如果有需要在R中使用分词的话，不妨试一下jiebaR。
libcppjieba 是最简单易懂的CppJieba头文件库使用示例。
KeywordServer 50行搭建一个
中文关键词抽取服务 。
如果有需要在Nginx中使用分词模块的话，不妨试一下ngx_http_cppjieba_module.
http://cppjieba-webdemo.herokuapp.com/ (建议使用chrome打开)
cppjieba 官网
https://github.com/aszxqw/cppjieba
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。
