本文参考的是《python 实现机械分词(1)-正向最大匹配算法》文章的算法
作者:lalalawxt
来源:优快云
原文:https://blog.youkuaiyun.com/lalalawxt/article/details/75458791
步骤:
1.导入分词词典,存储为词典形式dic、导入停用词词典,存储为字典形式stoplis,需要分词的文本文件,存储为字符串chars
2.遍历分词词典,找到最长的词,长度为此算法中最大分词长度max_chars
3.创建空列表words存储分词结果
4.初始化字符串chars的分词起点n=len(chars)
5.判断分词点n是否在字符串chars内,即n>0是否成立,如果成立,则进入下一步骤,否则进入S9
6.根据分词点n所在的位置,判断剩余的待分词的字符串长度是否大于最大分词长度max_chars,如果大于,则进入下一步骤,如果不大于,max_chars的值为n的值,进入下一步骤
7.根据分词长度i(初始值为max_chars)截取相应的需分词文本chars的字符串s
8.判断s是否存在于分词词典中,若存在,则分两种情况讨论,一是s是停用词,那么直接删除,分词起点n前移i位,转到步骤5;二是s不是停用词,那么直接添加到分词结果words中,分词起点n前移i位,转到步骤5;若不存在,则分两种情况讨论&#