python 实现中文分词功能

今天按计划实现了语音识别准备工作之中文分词。基础代码：http://blog.csdn.net/cctt_1/article/details/4291222

当然，使用python语言实现。

{} 字典

[] 列表

这两个数据结构快把我搞晕了。最终，将词典库使用字典数据结构来存储。这样方便使用查找has_key方法。

而最终的查找结果准备使用list数据结构来存储，但一直有点问题，没能解决。最后换个思路，采用打印以及写文件操作的方式，将想要的词语和发音内容存储到自定义字典文件中。这个也是pocketsphinx语音识别准备工作的难点所在。

python 

re库。正则表达式库。比如替换sub。字符串操作必备利器。

json库：用以字符串和字典类型相互转换。看到有解析url的时候有用到。

换行。python每个print打印会自动添加一个换行符。如果不希望自动换行，可添加，(2.x版本)或end=符号(3.x版本)解决此问题。

当然，如果期间又想自行添加换行符，可以print " "打印即可。如果print "\n" 则会一次换两行。这个要注意。

python写文件操作。追加写的打开方式：fw=open("name", "w+")  fw.write("text")  注意只会真实写入字符串，而不会自行添加其他字符。如有需要自行追加写。

参考基础代码：