#用于下载安装rJava 和 Rwordseg,如果安装了就注释掉

install.packages("rJava")

install.packages("Rwordseg", repos="http://R-Forge.R-project.org", type="source")

#导入rJava 和Rwordseg

library(rJava)

library(Rwordseg)

#测试rJava 和Rwordseg是否安装好

teststring1 <- "我爱R语言，我爱文本挖掘"

segmentCN(teststring1)

#观察分词1000次花的时间

system.time(for(i in 1:1000) segmentCN(teststring1))

#segmentCN的详细解释

?segmentCN

#若输入参数为字符向量，则返回列表

segmentCN("结合成分子时")

segmentCN(c("说的的确在理","一次性交多少钱"))

#默认nosymbol为TURE 不输出标点，只能有汉字，英文，和数字

segmentCN("我喜欢读《圣经》，你呢？")

segmentCN("我喜欢读《圣经》，你呢？",nosymbol=FALSE)

#nature设置 是否输出词性 不是很智能 会出现错误

segmentCN("花了一元钱买了一朵美丽的花",nature=TRUE)

#参数isNameRecognition  可用来人的名字识别，

getOption("isNameRecognition") #默认是不进行人名识别,输出false

segmentCN("梅超风不是是桃花岛岛主")

segment.options(isNameRecognition = TRUE)

getOption("isNameRecognition")

segmentCN("梅超风是桃花岛岛主")

#对金庸的侠客行进行分词，分词的结果会输出到“侠客行.segment.txt”下

segmentCN("E://Rcode//source//侠客行.txt")

#“侠客行.txt” 364251个字， 大约用时间10S，还是很快的

system.time(segmentCN("E://Rcode//source//侠客行.txt"))

#查看词典

listDict()

segmentCN("湖北大鼓真是不错呀")

#导入~.dic词典，可以直接复制然后改名为.dic

installDict("E://Rcode//source//default.dic","default")

segmentCN("湖北大鼓真是不错呀")

#uninstallDict() 删除安装的词典

uninstallDict()

#listDict() 查看剩余的词典

listDict()

##用搜狗词库的时候 一定要在官网上下载  ~.scel 文件，

#不能直接将 下载的 ~.txt改为~.scel

segmentCN("床前明月光，凝视地上霜")

installDict("E://Rcode//source//李白诗集【官方推荐】.scel","libai",dicttype = "scel")

segmentCN("床前明月光，凝视地上霜")

segmentCN("天罡北斗阵和六脉神剑哪个更厉害")

listDict()

installDict("E://Rcode//source//金庸武功招式.scel","jinyong",dicttype = "scel")

segmentCN("天罡北斗阵和六脉神剑哪个更厉害")

#自定义词典

#手动添加或删除词汇，仅仅只在内存中临时添加，未记录下来

segmentCN("画角声断谯门")

insertWords("谯门")

insertWords("画角")

segmentCN("画角声断谯门")

deleteWords(c("谯门","画角"))

segmentCN("画角声断谯门")

#使用save参数，把操作记录下来，下回启动能直接用

insertWords(c("谯门","画角"),save=TRUE)

segmentCN("画角声断谯门")