也公布一段精简的分词代码

 公司要在产品中增加一个知识库检索功能,需要用到从一段文字中分析出关键字来,即将一句话中的中文文字分成中文词语或词组,忽略半角符号。从网上Google一下,现成的分词代码有好几个版本,甚至都能直接拿来使用,但我发现占用资料、分词速度还是不尽如人意,后来试着直接使用泛型的List,发现代码即精简,效率也不错。

    /// <summary>
    /// 从一句话中识别出关键字,供查询知识库。
    /// 目前的关键字库为从网上下载,并没有按知识库优化,建议最终的关键字是按知识库优化之后的
    /// </summary>
   public  class CFindKeyWord
    {
       private static List<string> keyWords = null;

       /// <summary>
       /// 从一句话中识别出关键字,供查询知识库。
       /// </summary>
       /// <param name="strText"></param>
       /// <returns></returns>
       public static string MyFindKeyWord(string strText)
       {
           if (keyWords == null)
           {
               keyWords = new List<string>();
               //string path = System.Environment.CurrentDirectory + "//KeyWords.txt";
               //StreamReader Reader = new StreamReader(path, Encoding.Default);
               StringReader Reader = new StringReader(MSPConsole.Properties.Resources.KeyWords);

               while (Reader.Peek() != -1)
               {
                   keyWords.Add(Reader.ReadLine());

               }
               Reader.Close();
               Reader.Dispose();

               keyWords.Sort();
           }
           StringBuilder strBuilder = new StringBuilder();
           int iCount = 0;
           int banJiaoCount = 0;
           while (iCount < strText.Length)
           {
               if (strText[iCount] < (char)0x7f)
               {
                   strBuilder.Append(strText[iCount]);
                   banJiaoCount++;
                   iCount++;
                   continue;
               }
               else if (banJiaoCount > 0)
               {
                   strBuilder.Append(" ");
                   banJiaoCount = 0;
               }
               int len = strText.Length - iCount;
               while (len > 0)
               {
                   string tmpS = strText.Substring(iCount, len);
                   int index = keyWords.BinarySearch(tmpS);
                   if (index > -1)
                   {
                       strBuilder.Append(tmpS);
                       strBuilder.Append(" ");
                       //iCount += index;
                       break;
                   }
                   len--;
               }
               iCount++;
           }

           return strBuilder.ToString().TrimEnd();
       }
    }

 

 

注:程序中的关键字词库,网上到处有下载,这贴这段代码的目的,不是为了介绍分词的方便,只是觉得C#的功能真的很强大。

  • 1
    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