From e25828e0a9b54019375a477772351fd49daa3012 Mon Sep 17 00:00:00 2001 From: wyy Date: Fri, 12 Sep 2014 23:40:35 +0800 Subject: [PATCH] update readme.md --- README.md | 187 ++++++++++++++++++++++++++---------------------------- 1 file changed, 89 insertions(+), 98 deletions(-) diff --git a/README.md b/README.md index d3f2ca0..0bbb929 100644 --- a/README.md +++ b/README.md @@ -3,13 +3,13 @@ # CppJieba -## Introduction +## 简介 CppJieba是"结巴"中文分词的C++版本 代码细节详解请见 [代码详解] -## Feature +## 特性 + 源代码都写进头文件`src/*.hpp`里,`include`即可使用。 + 支持`utf-8, gbk`编码,但是推荐使用`utf-8`编码。 @@ -17,14 +17,14 @@ CppJieba是"结巴"中文分词的C++版本 + 项目自带较为完善的单元测试,核心功能中文分词(utf8)的稳定性接受过线上环境检验。 + 支持载自定义用户词典。 -## Usage +## 用法 -### Dependency +### 依赖软件 * `g++ (version >= 4.1 recommended) or clang++`; * `cmake (version >= 2.6 recommended)`; -### Download & Demo +### 下载和编译 ```sh git clone --depth=10 --branch=master git://github.com/aszxqw/cppjieba.git @@ -36,87 +36,19 @@ cmake .. # cmake .. -DENC=GBK # 需要注意的是,单元测试都是针对utf8的测试,如果是使用gbk选项的话,此测试不通过。 make -# 如果你需要服务支持用户自定义词典的话, -# 可以在 ./conf/server.conf 里面的这行 "#user_dict_path=/usr/share/CppJieba/dict/user.dict.utf8" 前面的#号去掉。 -sudo make install ``` -### testing - -```sh -make && ./test/test.run -``` - -### server start & stop +## 演示 ``` -/etc/init.d/cjserver.start >> /dev/null 2>&1 -/etc/init.d/cjserver.stop +./segment.demo ``` -### testing server +详细请看 `test/segment_demo.cpp`. -然后用chrome浏览器打开 (chrome的默认编码是utf-8): +### 分词结果示例 -``` -http://127.0.0.1:11200/?key=南京市长江大桥 -``` - -``` -http://127.0.0.1:11200/?key=南京市长江大桥&format=simple -``` - -或者用命令 (ubuntu中的curl安装命令`sudo apt-get install curl`) - -``` -curl -G "http://127.0.0.1:11200/" --data-urlencode "key=南京市长江大桥" -``` - -你可以看到返回的结果如下:(返回结果是json格式) - -``` -["南京市", "长江大桥"] -``` - -如果你使用如下调用方式: - -``` -curl -G "http://127.0.0.1:11200/" --data-urlencode "key=南京市长江大桥" -d "format=simple" -``` - -则返回结果如下:(返回结果按空格隔开) - -``` -南京市 长江大桥 -``` - -同时,也支持HTTP POST模式,使用如下调用: - -``` -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"] -``` - -### uninstall -```sh -cd build/ -cat install_manifest.txt | sudo xargs rm -rf -``` - -## Demo - -``` -make && ./segment.demo -``` - -see details in `test/segment_demo.cpp`. - -### MPSegment's demo +**MPSegment** Output: ``` @@ -131,9 +63,8 @@ Output: ``` -### HMMSegment's demo +**HMMSegment** -Output: ``` 我来到北京清华大学 我来/到/北京/清华大学 @@ -146,9 +77,8 @@ Output: ``` -### MixSegment's demo +**MixSegment** -Output: ``` 我来到北京清华大学 我/来到/北京/清华大学 @@ -161,9 +91,8 @@ Output: ``` -### FullSegment's demo +**FullSegment** -Output: ``` 我来到北京清华大学 我/来到/北京/清华/清华大学/华大/大学 @@ -176,9 +105,8 @@ Output: ``` -### QuerySegment's demo +**QuerySegment** -Output: ``` 我来到北京清华大学 我/来到/北京/清华/清华大学/华大/大学 @@ -191,7 +119,6 @@ Output: ``` - 以上依次是MP,HMM,Mix三种方法的效果。 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。 @@ -224,28 +151,92 @@ Query方法先使用Mix方法切词,对于切出来的较长的词再使用Ful make && ./keyword.demo ``` -see details in `test/keyword_demo.cpp`. - -you will see: +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`. + ### 词性标注 ``` -make && ./tagging.demo +./tagging.demo ``` -see details in `test/tagging_demo.cpp`. +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:x", ",:x", "迎娶:v", "白富美:x", ",:x", "走上:v", "人生:n", "巅峰:n", "。:x"] ``` -## Application +## 服务使用 + +### 启动服务 + +``` +./bin/cjserver ../test/testdata/server.conf +``` + +### 客户端请求示例 + +``` +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`): + + +同时,也支持HTTP POST模式,使用如下调用: + +``` +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: + +### 安装服务 + +``` +sudo make install +``` + +### 服务启动和停止 + +``` +/etc/init.d/cjserver.start >> /dev/null 2>&1 +/etc/init.d/cjserver.stop +``` + +### 卸载服务 + +```sh +cd build/ +cat install_manifest.txt | sudo xargs rm -rf +``` + + +## 应用 ### 关于CppJieba的跨语言包装使用 @@ -277,21 +268,21 @@ see details in `test/tagging_demo.cpp`. 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]. -## Online Demo +## 线上演示 http://cppjieba-webdemo.herokuapp.com/ (建议使用chrome打开) -## Contact +## 客服 -I will appreciate that if you issue any question or send mails to me. (**wuyanyi09@foxmail.com**) +`wuyanyi09@foxmail.com` -## Thanks +## 鸣谢 "结巴"中文分词作者: SunJunyi https://github.com/fxsjy/jieba -## Author +## 作者 - aszxqw https://github.com/aszxqw wuyanyi09@foxmail.com - aholic https://github.com/aholic ruochen.xu@gmail.com