Источник jieba синтаксического анализа (В): jieba.cut

В предыдущей главе мы описали здание , прежде чем jieba слово о словаре приставки , глава представляет главный jieba: jieba.cut .
jieba слово имеет три режима работы : полный режим, точный режим, режим поиска. Полный режим и точный режим jieba.cut достижения режима двигателя поиска соответствует cut_for_search, и через три-пойманных параметры НММ могут быть определены ли новое распознавания слов. Официальные примеры:

# encoding=utf-8
import jieba

seg_list = jieba.cut("我来到北京清华大学", cut_all=True)
print("Full Mode: " + "/ ".join(seg_list))  # 全模式
# 【全模式】: 我/ 来到/ 北京/ 清华/ 清华大学/ 华大/ 大学

seg_list = jieba.cut("我来到北京清华大学", cut_all=False)
print("Default Mode: " + "/ ".join(seg_list))  # 精确模式
# 【精确模式】: 我/ 来到/ 北京/ 清华大学

seg_list = jieba.cut("他来到了网易杭研大厦")  # 默认是精确模式
print(", ".join(seg_list))
# 【新词识别】：他, 来到, 了, 网易, 杭研, 大厦    (此处，“杭研”并没有在词典中，但是也被Viterbi算法识别出来了)

seg_list = jieba.cut_for_search("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")  # 搜索引擎模式
print(", ".join(seg_list))
# 【搜索引擎模式】： 小明, 硕士, 毕业, 于, 中国, 科学, 学院, 科学院, 中国科学院, 计算, 计算所, 后, 在, 日本, 京都, 大学, 日本京都大学, 深造

jieba.cut

Слово основная функция

def cut(self, sentence, cut_all=False, HMM=True):
        '''
        jieba分词主函数，返回generator
        参数:
            - sentence: 待切分文本.
            - cut_all: 切分模式. True 全模式, False 精确模式.
            - HMM: 是否使用隐式马尔科夫.
        '''
        sentence = strdecode(sentence)  # sentence转unicode

        if cut_all:
            # re_han_cut_all = re.compile("([\u4E00-\u9FD5]+)", re.U)   
            re_han = re_han_cut_all  
            # re_skip_cut_all = re.compile("[^a-zA-Z0-9+#\n]", re.U)  
            re_skip = re_skip_cut_all    
        else:
            # re_han_default = re.compile("([\u4E00-\u9FD5a-zA-Z0-9+#&\._%]+)", re.U)
            re_han = re_han_default                
            # re_skip_default = re.compile("(\r\n|\s)", re.U)
            re_skip = re_skip_default   

        if cut_all:   
            cut_block = self.__cut_all   # cut_all=True, HMM=True or False
        elif HMM:
            cut_block = self.__cut_DAG   # cut_all=False, HMM=True
        else:
            cut_block = self.__cut_DAG_NO_HMM   # cut_all=False, HMM=False
        blocks = re_han.split(sentence)
        for blk in blocks:
            if not blk:
                continue
            if re_han.match(blk):    #  符合re_han匹配的串
                for word in cut_block(blk):
                    yield word
            else:
                tmp = re_skip.split(blk)
                for x in tmp:
                    if re_skip.match(x):
                        yield x
                    elif not cut_all:
                        for xx in x:
                            yield xx
                    else:
                        yield x

Каждое слово можно видеть , что итеративный jieba.cut генератор вывели следующий , может быть использован для контура , полученного после слова , полученного ( может быть возвращены непосредственно результат jieba.lcut список слов ).

• cut_all = True, HMM = _ соответствующий режим полной, т.е. все вхождения слов в словаре будет нарезанных из, реализована функция __cut_all;
• cut_all = false, НММЫ = False, соответствующий НММ без использования тонкого режима; нажмите Юниграмму граммы сустава вероятности найти максимальные комбинации слов, для достижения функции __cut_DAG;
• cut_all = False, HMM = True, соответствующий точному режиме и с использованием НММ, максимальная совместная вероятность на основе сочетания слова, HMM идентифицировать неизвестные слова, функции реализованы __cut_DAG_NO_HMM.

def __cut_DAG_NO_HMM(self, sentence):
    DAG = self.get_DAG(sentence)   # 构建有向无环图
    route = {}
    self.calc(sentence, DAG, route)   # 动态规划计算最短路
    x = 0
    N = len(sentence)
    buf = ''
    while x < N:
        y = route[x][1] + 1
        l_word = sentence[x:y]
        if re_eng.match(l_word) and len(l_word) == 1:
            buf += l_word
            x = y
        else:
            if buf:
                yield buf
                buf = ''
            yield l_word
            x = y
    if buf:
        yield buf
        buf = ''