[Python]正相匹配中文分词【哈工大 车万翔老师视频公开课】

# 中文分词  类似 我/爱/北京/天安门   这样断句
# ------Start------
def load_dict(filename):
    word_dict = set()
    max_len = 1
    file = open(filename, 'r', encoding='UTF-8')
    for line in file:
        word = line.strip()
        word_dict.add(word)
        if len(word) > max_len:
            max_len = len(word)
    # print(word_dict)
    file.close()
    return max_len, word_dict

# 正向匹配最大分词
def cut_sentence_by_word(filename, sentence):
    max_len, word_dict = load_dict(filename)
    begin = 0
    words = []
    # 判断句子是否是空
    while begin < len(sentence):
        # 不断减小末端的边界
        for end in range(begin + max_len, begin, -1):
            if sentence[begin:end] in word_dict:
                words.append(sentence[begin:end])
                break
        # 将开始的坐标更改为已匹配的单词的末端,继续匹配下面的词组
        begin = end

    return words

print(cut_sentence_by_word("/dictionary.dic", "不到长城非好汉"))
# ------End------

效果如图所示:
在这里插入图片描述

  • 0
    点赞
  • 0
    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