用户工具

站点工具


zh:courses:textmining2026:ch03

差别

这里会显示出您选择的修订版和当前版本之间的差别。

到此差别页面的链接

两侧同时换到之前的修订记录 前一修订版
zh:courses:textmining2026:ch03 [2026/09/28 17:24]
pzczxs [UTF-8文件工具类]
zh:courses:textmining2026:ch03 [2026/09/28 17:25] (当前版本)
pzczxs [UTF-8文件工具类]
行 80: 行 80:
  }  }
  }  }
-} 
-</​file>​ 
- 
-<file java ChineseTokenizer.java>​ 
-package cn.edu.bjut.textmining.util;​ 
- 
-import com.hankcs.hanlp.HanLP;​ 
-import com.hankcs.hanlp.seg.common.Term;​ 
- 
-import java.util.ArrayList;​ 
-import java.util.List;​ 
-import java.util.Locale;​ 
- 
-/** HanLP portable 1.8.6分词;保留含字母、汉字或数字的词元。 */ 
-public final class ChineseTokenizer { 
-    private ChineseTokenizer() {} 
- 
-    public static List<​String>​ tokenize(String text) { 
-        List<​String>​ tokens = new ArrayList<​String>​();​ 
-        for (Term term : HanLP.segment(text)) { 
-            String word = term.word.toLowerCase(Locale.ROOT).trim();​ 
-            if (word.matches("​.*[\\p{L}\\p{N}].*"​)) { 
-                tokens.add(word);​ 
-            } 
-        } 
-        return tokens; 
-    } 
 } }
 </​file>​ </​file>​
zh/courses/textmining2026/ch03.1790587483.txt.gz · 最后更改: 2026/09/28 17:24 由 pzczxs