将原始jieba字典中的空格更改为 @@ 1.原来:雅不可攀 3 nr 2.现在:雅不可攀@@3@@nr
原始目字典在jieba包路径下,通常为...site-packages/jieba/dict.txt
将自定义用户词典加入的词与词性中间的空格更改为@@
1.原来:牵连关系 50 n
2.现在:牵连关系@@50@@n
更改jieba根目录下的__init__.py文件下代码:
1.原来:re_userdict = re.compile('^(.+?)( [0-9]+)?( [a-z]+)?$', re.U)
2.现在:re_userdict = re.compile('^(.+?)(\u0040\u0040[0-9]+)?(\u0040\u0040[a-z]+)?$', re.U)
1.原来:re_han_default = re.compile("([\u4E00-\u9FD5a-zA-Z0-9+#&\._%]+)", re.U)
2.现在:re_han_default = re.compile("(.+)", re.U)
1.原来:word, freq = line.split(' ')[:2]
2.现在:word, freq = line.split('\u0040\u0040')[:2]
1.原来:self.user_word_tag_tab[word] = tag
2.现在:self.user_word_tag_tab[word] = tag.replace('\u0040\u0040', '')
1.在
word, freq, tag = re_userdict.match(line).groups()
if freq is not None:
下加入一行代码
2.freq = freq.replace('\u0040\u0040', '')
更改jieba根目录下posseg文件下的__init__.py下代码:
1.原来:re_han_internal = re.compile("([\u4E00-\u9FD5a-zA-Z0-9+#&\._]+)")
2.现在:re_han_internal = re.compile("(.+)", re.U)
1.原来:word, _, tag = line.split(" ")
2.现在:word, _, tag = line.split("\u0040\u0040")
原文链接, 在此基础上修改