结巴分词 0.27 发布，Python 中文分词组件

本次release的主要更新：

1) 新增并行分词功能，可以在多核计算机上显著提高分词速度

2) 修正了“的”字频过高引起的bug；修正了对小数点和下划线的处理

3) 修正了python2.6存在的兼容性问题

 并行分词介绍：

• • 原理：将目标文本按行分隔后，把各行文本分配到多个python进程并行分词，然后归并结果，从而获得分词速度的可观提升
  • 基于python自带的multiprocessing模块，目前暂不支持windows

  • 用法：

    • jieba.enable_parallel(4) # 开启并行分词模式，参数为并行进程数
    • jieba.disable_parallel() # 关闭并行分词模式
      
      

  • 例子： https://github.com/fxsjy/jieba/blob/master/test/parallel/test_file.py

  • 实验结果：在4核3.4GHz Linux机器上，对金庸全集进行分词，获得了1MB/s的速度，是单进程版的3.3倍。

转载于:https://www.cnblogs.com/shihao/archive/2013/04/22/3036571.html