用python实现前向分词最大匹配算法

理论介绍

分词是自然语言处理的一个基本工作，中文分词和英文不同，字词之间没有空格。中文分词是文本挖掘的基础，对于输入的一段中文，成功的进行中文分词，可以达到电脑自动识别语句含义的效果。中文分词技术属于自然语言处理技术范畴，对于一句话，人可以通过自己的知识来明白哪些是词，哪些不是词，但如何让计算机也能理解？其处理过程就是分词算法。

可以将中文分词方法简单归纳为：

1. 基于词表的分词方法
2. 基于统计的分词方法
3. 基于序列标记的分词方法

其中，基于词表的分词方法最为简单，根据起始匹配位置不同可以分为：

1. 前向最大匹配算法
2. 后向最大匹配算法
3. 双向最大匹配算法

三种方法思想都很简单，今天就用python实现前向最大匹配算法。

word分词是一个Java实现的分布式的中文分词组件，提供了多种基于词典的分词算法，并利用ngram模型来消除歧义。能准确识别英文、数字，以及日期、时间等数量词，能识别人名、地名、组织机构名等未登录词。能通过自定义配置文件来改变组件行为，能自定义用户词库、自动检测词库变化、支持大规模分布式环境，能灵活指定多种分词算法，能使用refine功能灵活控制分词结果，还能使用词性标注、同义标注、反义标注、拼音标注等功能。同时还无缝和Lucene、Solr、ElasticSearch、Luke集成。

前向最大匹配算法

前向最大匹配算法，顾名思义，就是从待分词句子的左边向右边搜索，寻找词的最大匹配。我们需要规定一个词的最大长度，每次扫描的时候寻找当前开始的这个长度的词来和字典中的词匹配，如果没有找到，就缩短长度继续寻找，直到找到字典中的词或者成为单字。

具体代码实现

获取分词函数：getSeg(text)：

def getSeg(text):
    # 句子为空
    if not text:
        return ''

    # 句子成为一个词
    if len(text) == 1:
        return text

    # 此处写了一个递归方法
    if text in word_dict:
        return text
    else:
        small = len(text) - 1
        text = text[0:small]
        return getSeg(text)

主函数：main()

def main():
    global test_str, word_dict
    test_str = test_str.strip()
    # 正向最大匹配分词测试 最大长度5
    max_len = max(len(word) for word in word_dict)
    result_str = []  # 保存分词结果
    result_len = 0
    print('input :', test_str)
    while test_str:
        tmp_str = test_str[0:max_len]
        seg_str = getSeg(tmp_str)
        seg_len = len(seg_str)
        result_len = result_len + seg_len

        if seg_str.strip():
            result_str.append(seg_str)
        test_str = test_str[seg_len:]

    print('output :', result_str)

字典：

word_dict = ['混沌', 'Logistic', '算法', '图片', '加密', '利用', '还原', 'Lena', '验证', 'Baboon', '效果']

测试句子：

test_str = '''一种基于混沌Logistic加密算法的图片加密与还原的方法，并利用Lena图和Baboon图来验证这种加密算法的加密效果。'''

分词结果