您现在的位置是：首页 >技术杂谈 >测试C#分词工具jieba.NET网站首页技术杂谈

  jieba.NET是jieba中文分词的C#版本，后者是优秀的Python中文分词组件GitHub中得到超过3万星。jieba.NET支持中文分词、关键词提取、词性标注等功能，本文主要测试其中文分词的功能基本用法。
  新建测试项目，在NuGet管理器中添加jieba.NET。

  jieba.NET程序集中与分词相关的主要是JiebaSegmenter.Cut函数和JiebaSegmenter. CutForSearch函数，这两个函数都以字符串作为分词输入，不像之前盘古分词支持流式输入。

 public IEnumerable<string> Cut(string text, bool cutAll = false, bool hmm = true)
public IEnumerable<string> CutForSearch(string text, bool hmm = true)

  基于这两个函数，jieba.NET支持多种分词模式（介绍来自参考文献3）：全模式（把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义）、精确模式（试图将句子最精确地切开）、搜索引擎模式（在精确模式的基础上，对长词再次切分，提高召回率）。这三种方式的代码其实都比较简单，如下所示：

     //精确分词模式
	 using (TextReader tr = File.OpenText(txtPath.Text))
     {
         var segmenter = new JiebaSegmenter();
         var segments = segmenter.Cut(tr.ReadToEnd());
         txtResult.Text=string.Join("/ ", segments);
     }
   
     //全模式
     using (TextReader tr = File.OpenText(txtPath.Text))
      {
          var segmenter = new JiebaSegmenter();
          var segments = segmenter.Cut(tr.ReadToEnd(),cutAll:true);
          txtResult.Text=string.Join("/ ", segments);
      }
	
	 //搜索引擎模式
	 using (TextReader tr = File.OpenText(txtPath.Text))
     {
         var segmenter = new JiebaSegmenter();
         var segments = segmenter.CutForSearch(tr.ReadToEnd());
         txtResult.Text=string.Join("/ ", segments);
     }

  精确分词模式的效果如下图所示：
  全模式分词的效果如下所示，与精确分词相比，全模式把所有可能的分词都返回了，如“少数国家”一次，静默分词返回的是“少数”和“国家”，而全模式返回的是“少数”、“数国”、“国家”。

  搜索引擎模式的分词效果如下图所示，与上面两种方式相比也有不同之处：

  测试代码比较简单，值得说明的是jieba.NET的分词速度（全模式：2.5 MB/s
精确模式：1.1 MB/s），测试盘古分词时，导入几十K的文本分词就会卡死，而采用jieba.NET则速度特别快就可以返回分词结果。
  jieba.NET还支持并行分词及提取关键词等功能，后续会继续测试这些功能的基本用法。

参考文献：
[1]https://github.com/linezero/jieba.NET
[2]https://www.jianshu.com/p/6f47b670fcb0
[3]https://github.com/anderscui/jieba.NET
[4]https://github.com/JimLiu/Lucene.Net.Analysis.PanGu
[5]https://github.com/apache/lucenenet
[6]https://blog.csdn.net/lijingguang/article/details/127262360
[7]https://blog.51cto.com/u_15834522/5766716
[8]https://www.cnblogs.com/dacc123/p/8431369.html
[9]https://blog.csdn.net/wangkun9999/article/details/1574114