如何高效的完成中文分词

在说分词之前，笔者先来介绍下何为分词：分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。英文中，单词之间是以空格作为自然分界符的，但是中文的分词就复杂多了，要涉及一些算法，对于初学者来说，还是有很多难度的。这里笔者只介绍一种最简单的方式，有兴趣的朋友可以看下，直接上代码：

python 实现方式

# -*- coding: utf-8 -*-
# flake8: noqa
__author__ = 'wukong'

import urllib
from urllib import urlencode

#配置您申请的 appKey 和 openId
app_key="***"
open_id="***"

"""
request_url 请求地址
params 请求参数
method 请求方法

"""
def request_content(request_url,params,method):
    params = urlencode(params)
    
    if method and method.lower() =="get":
        f = urllib.urlopen("%s?%s" % (request_url, params))
    else:
        f = urllib.urlopen(request_url, params)
 
    content = f.read()
    print content

   
def main():
    
    domain="http://api.xiaocongjisuan.com/"
    servlet="data/chinesekeyword/analysis"
    method="get"
    request_url=domain+servlet
    
    #字典
    params ={}
    params["appKey"]=app_key
    params["openId"]=open_id
    
    #变动部分
    params["content"]="我是一个中国人，你知道嘛"
    
    request_content(request_url,params,method)
    
if __name__ == '__main__':
    main()

php 实现方式

<meta http-equiv="Content-Type" content="text/html; charset=utf-8"/>
<?php

/**
 * @author 
 * @copyright 2019
 */
 
header("content-type:text/html;charset=utf-8");         // 设置编码
 
// 配置您申请的 appKey 和 openId
$app_key = "***";
$open_id = "***";

/**
$url 请求地址
$params 请求参数
$ispost 请求方法
*/

function http_curl($url,$params=false,$ispost=false){$httpInfo = array();
    $ch = curl_init();

    curl_setopt($ch, CURLOPT_HTTP_VERSION , CURL_HTTP_VERSION_1_1);
    curl_setopt($ch, CURLOPT_USERAGENT , "xiaocongjisuan");
    curl_setopt($ch, CURLOPT_CONNECTTIMEOUT , 60);
    curl_setopt($ch, CURLOPT_TIMEOUT , 60);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER , true);
    
    if($ispost)
    {curl_setopt( $ch , CURLOPT_POST , true);
        curl_setopt($ch , CURLOPT_POSTFIELDS , $params);
        curl_setopt($ch , CURLOPT_URL , $url);
    }
    else
    {if($params){curl_setopt( $ch , CURLOPT_URL , $url.'?'.$params);
        }else{curl_setopt( $ch , CURLOPT_URL , $url);
        }
    }
    
    $response = curl_exec($ch);
    if ($response === FALSE) {//echo "cURL Error:" . curl_error($ch);
        return false;
    }
    $httpCode = curl_getinfo($ch , CURLINFO_HTTP_CODE);
    $httpInfo = array_merge($httpInfo , curl_getinfo( $ch) );
    curl_close($ch);
    
    return $response;
}

function main(){
    
    global $app_key;
    global $open_id;
    
    $domain="http://api.xiaocongjisuan.com/";
    $servlet="data/chinesekeyword/analysis";
    $method="get";
    
    $url=$domain."".$servlet;
    
    $params['appKey']=$app_key;
    $params['openId']=$open_id;
    
    // 变动部分
    $params["content"]="我是一个中国人，你知道嘛";
    
    // 编码转换
    foreach ($params as $key=>$value) {$params[$key]=mb_convert_encoding($value, "UTF-8", "GBK");
    }

    $paramstring = http_build_query($params);
    $content = http_curl($url,$paramstring,true);
    
    return $content;
}

echo main();
?>

原理主要是调用接口，直接输入一串字符串，然后接口会自动把结果以 json 或者 xml 的形式返回，具体文档可以点我查看。这种实现方式很简单，省去了大量的开发时间，屏蔽了语言之间的差异性，值得推荐。