version chage

README.md

@@ -1,62 +1,73 @@
-jieba
-========
-"结巴"中文分词：做最好的Python中文分词组件
-
-Feature
-========
-* 支持两种分词模式：
-* 1）默认模式，试图将句子最精确地切开，适合文本分析；
-* 2）全模式，把句子中所有的可以成词的词语都扫描出来，适合搜索引擎。
-
-Usage
-========
-* 全自动安装：easy_install jieba 或者 pip install jieba
-* 半自动安装：先下载http://pypi.python.org/pypi/jieba/ ，解压后运行python setup.py install
-* 手动安装：将jieba目录放置于当前目录或者site-packages目录
-* 通过import jieba 来引用 （第一次import时需要构建Trie树，需要几秒时间）
-
-Algorithm
-========
-* 基于Trie树结构实现高效的词图扫描，生成句子中汉字构成的有向无环图（DAG)
-* 采用了记忆化搜索实现最大概率路径的计算, 找出基于词频的最大切分组合
-* 对于未登录词，采用了基于汉字位置概率的模型，使用了Viterbi算法
-
-Interface
-========
-* 组件只提供jieba.cut 方法用于分词
-* cut方法接受两个输入参数: 1) 第一个参数为需要分词的字符串 2）cut_all参数用来控制分词模式
-* 待分词的字符串可以是gbk字符串、utf-8字符串或者unicode
-* jieba.cut返回的结构是一个可迭代的generator，可以使用for循环来获得分词后得到的每一个词语(unicode)，也可以用list(jieba.cut(...))转化为list
-
-
-代码示例( Tutorial )
-
-	#encoding=utf-8
-	import jieba
-
-	seg_list = jieba.cut("我来到北京清华大学",cut_all=True)
-	print "Full Mode:", "/ ".join(seg_list) #全模式
-
-	seg_list = jieba.cut("我来到北京清华大学",cut_all=False)
-	print "Default Mode:", "/ ".join(seg_list) #默认模式
-
-	seg_list = jieba.cut("他来到了网易杭研大厦")
-	print ", ".join(seg_list)
-
-Output:
-
-	Full Mode: 我/ 来/ 来到/ 到/ 北/ 北京/ 京/ 清/ 清华/ 清华大学/ 华/ 华大/ 大/ 大学/ 学
-
-	Default Mode: 我/ 来到/ 北京/ 清华大学
-
-	他, 来到, 了, 网易, 杭研, 大厦    (此处，“杭研”并没有在词典中，但是也被Viterbi算法识别出来了)
-
-Performance
-=========
-* 1.5 MB / Second in Full Mode
-* 350 KB / Second in Default Mode
-* Test Env: Intel(R) Core(TM) i7-2600 CPU @ 3.4GHz；《围城》.txt
-
-在线演示
-=========
-http://209.222.69.242:9000/
+jieba
+========
+"结巴"中文分词：做最好的Python中文分词组件
+
+Feature
+========
+* 支持两种分词模式：
+* 1）默认模式，试图将句子最精确地切开，适合文本分析；
+* 2）全模式，把句子中所有的可以成词的词语都扫描出来，适合搜索引擎。
+
+Usage
+========
+* 全自动安装：easy_install jieba 或者 pip install jieba
+* 半自动安装：先下载http://pypi.python.org/pypi/jieba/ ，解压后运行python setup.py install
+* 手动安装：将jieba目录放置于当前目录或者site-packages目录
+* 通过import jieba 来引用 （第一次import时需要构建Trie树，需要几秒时间）
+
+Algorithm
+========
+* 基于Trie树结构实现高效的词图扫描，生成句子中汉字构成的有向无环图（DAG)
+* 采用了记忆化搜索实现最大概率路径的计算, 找出基于词频的最大切分组合
+* 对于未登录词，采用了基于汉字位置概率的模型，使用了Viterbi算法
+
+功能：分词 
+==========
+* jieba.cut方法接受两个输入参数: 1) 第一个参数为需要分词的字符串 2）cut_all参数用来控制分词模式
+* 待分词的字符串可以是gbk字符串、utf-8字符串或者unicode
+* jieba.cut返回的结构是一个可迭代的generator，可以使用for循环来获得分词后得到的每一个词语(unicode)，也可以用list(jieba.cut(...))转化为list
+
+
+代码示例( 分词 )
+
+	#encoding=utf-8
+	import jieba
+
+	seg_list = jieba.cut("我来到北京清华大学",cut_all=True)
+	print "Full Mode:", "/ ".join(seg_list) #全模式
+
+	seg_list = jieba.cut("我来到北京清华大学",cut_all=False)
+	print "Default Mode:", "/ ".join(seg_list) #默认模式
+
+	seg_list = jieba.cut("他来到了网易杭研大厦")
+	print ", ".join(seg_list)
+
+Output:
+
+	Full Mode: 我/ 来/ 来到/ 到/ 北/ 北京/ 京/ 清/ 清华/ 清华大学/ 华/ 华大/ 大/ 大学/ 学
+
+	Default Mode: 我/ 来到/ 北京/ 清华大学
+
+	他, 来到, 了, 网易, 杭研, 大厦    (此处，“杭研”并没有在词典中，但是也被Viterbi算法识别出来了)
+
+
+功能：关键词提取
+================
+* jieba.analyse.extract_tags(sentence,topK) #需要先import jieba.analyse
+* setence为待提取的文本
+* topK为返回几个权重最大的关键词，默认值为20
+
+代码示例 （关键词提取）
+
+	https://github.com/fxsjy/jieba/blob/master/test/extract_tags.py
+
+
+分词速度
+=========
+* 1.5 MB / Second in Full Mode
+* 400 KB / Second in Default Mode
+* Test Env: Intel(R) Core(TM) i7-2600 CPU @ 3.4GHz；《围城》.txt
+
+在线演示
+=========
+http://209.222.69.242:9000/

setup.py

@@ -1,6 +1,6 @@
 from distutils.core import setup  
 setup(name='jieba',  
-      version='0.17',  
+      version='0.18',  
       description='Chinese Words Segementation Utilities',  
       author='Sun, Junyi',  
       author_email='ccnusjy@gmail.com',