jieba分词之二、cut

jieba.posseg.cut(sentence)是initialize操作之后分词程序的入口

__cut_internal(sentence)函数内部定义了四个正则表达式
re_han = re.compile(ur"([\u4E00-\u9FA5a-zA-Z0-9+#&\._]+)")
re_skip = re.compile(ur"(\r\n|\s)")
re_eng = re.compile(ur"[a-zA-Z0-9]+")
re_num = re.compile(ur"[\.0-9]+")
函数内部语句blocks = re_han.split(sentence)把整个句子多个部分blk，若blk满足re_han模式，说明是有汉字的字符串，然后调用__cut_DAG(blk)，构建字符串DAG和route

1、get_DAG(sentence)函数

DAG是有向无环图，结巴分词中的DAG的数据结构是dict，元素的key是int，value是int列表

下面部分内容引用自http://www.xuebuyuan.com/1547637.html

举一个例子，比如sentence 是 "国庆节我在研究结巴分词"，对应生成的DAG是这样的&