third_codes/jieba
1
0
Fork 0
mirror of https://github.com/fxsjy/jieba.git synced 2025-07-10 00:01:33 +08:00
Code Issues Packages Projects Releases Wiki Activity

update doc

Browse Source
This commit is contained in:
fxsjy 2012-10-04 14:05:12 +08:00
parent 164b782c4e
commit 8cfb6a49a6
2 changed files with 13 additions and 5 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

14
README.md
View File

@ -10,7 +10,8 @@ Feature
Usage Usage
======== ========
* 自动安装：python setup.py install * 全自动安装：easy_install jieba
* 半自动安装：先下载http://pypi.python.org/pypi/jieba/ ，解压后运行python setup.py install
* 手动安装：将jieba目录放置于当前目录或者site-packages目录 * 手动安装：将jieba目录放置于当前目录或者site-packages目录
* 通过import jieba 来引用 （第一次import时需要构建Trie树，需要几秒时间） * 通过import jieba 来引用 （第一次import时需要构建Trie树，需要几秒时间）
@ -20,8 +21,15 @@ Algorithm
* 采用了记忆化搜索实现最大概率路径的计算, 找出基于词频的最大切分组合 * 采用了记忆化搜索实现最大概率路径的计算, 找出基于词频的最大切分组合
* 对于未登录词，采用了基于汉字位置概率的模型，使用了Viterbi算法 * 对于未登录词，采用了基于汉字位置概率的模型，使用了Viterbi算法
Interface
========
* 组件只提供jieba.cut 方法用于分词
* cut方法接受两个输入参数: 1) 第一个参数为需要分词的字符串 2）cut_all参数用来控制分词模式
* 待分词的字符串可以是gbk字符串、utf-8字符串或者unicode
* jieba.cut返回的结构是一个可迭代的generator，可以使用for循环来获得分词后得到的每一个词语(unicode)，也可以用list(jieba.cut(...))转化为list
代码示例
代码示例( Tutorial )
#encoding=utf-8 #encoding=utf-8
import jieba import jieba
@ -46,6 +54,6 @@ Output:
Performance Performance
========= =========
* 1.5 MB / Second in Full Mode * 1.5 MB / Second in Full Mode
* 200 KB / Second in Default Mode * 350 KB / Second in Default Mode
* Test Env: Intel(R) Core(TM) i7-2600 CPU @ 3.4GHz；《围城》.txt * Test Env: Intel(R) Core(TM) i7-2600 CPU @ 3.4GHz；《围城》.txt

4
setup.py
View File

@ -1,6 +1,6 @@
from distutils.core import setup from distutils.core import setup
setup(name='JieBa', setup(name='jieba',
version='0.1', version='0.11',
description='Chinese Words Segementation Utilities', description='Chinese Words Segementation Utilities',
author='Sun, Junyi', author='Sun, Junyi',
author_email='ccnusjy@gmail.com', author_email='ccnusjy@gmail.com',