Python基于词典的正向最大匹配

分词的好坏取决于词典

'''
    基于词典的正向最大匹配算法
    @author Sirius
'''
import re

#载入汪峰的《存在》歌词
def data():

    with open('存在.txt','r',encoding='utf-8') as f:
        data = f.read() 

    #正则表达式把多个空格换成一个空格,txt中出现的标点和特殊字符作为句子的分隔
    mode_strip = re.compile(r'\n\n+')
    data_strip = re.sub(mode_strip, '\n', data)
    mode = re.compile(r'[,。《》\n]')
    sentences = re.split(mode, data)
    return sentences

#载入词典

def load_dic():
    with open('dic.txt','r',encoding='utf-8') as f:
        dic = f.read()
    dic = dic.split('\n')
    return dic

#正向最大匹配算法
def FMM(sents, MaxLen):
    s1 = sents;
    s2 = '';
    while s1 != '':
        lens = MaxLen
        if len(s1) < lens:
            lens = len(s1)
        word = s1[:lens]
        dic = load_dic()
        while word not in dic:
            word = word[:len(word)-1]
            if len(word) == 1:
                break;         
        s2 = s2 + word + '\\'
        s1 = s1[len(word):]               
    return s2
    
    
if __name__ == '__main__':
    print(FMM('研究生命的起源',4))
'''   
    result = ''
    for sent in data():
        s2=FMM(sent, 4)
        if s2 != '':
            result = result + s2 + ','
        print(result[:len(result)-1])
'''
     
                
            
            
        

  • 0
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值