C语言开源高性能中文分词器：friso
一。friso中文分词器
friso是使用c语言开发的一个中文分词器，使用流行的mmseg算法实现。完全基于模块化设计和实现，可以很方便的植入到其他程序中，例如：MySQL，PHP等。
1。目前最高版本：friso 0.1，只支持UTF-8编码。【源码无需修改就能在各种平台下编译使用，加载完20万的词条，内存占用稳定为14M。】。
2。mmseg四种过滤算法，分词准确率达到了98.41%。
3。支持自定义词库。在dict文件夹下，可以随便添加/删除/更改词库和词库词条，并且对词库进行了分类。
4。词库使用了friso的Java版本jcseg的简化词库。
5。支持中英混合词的识别。例如：c语言，IC卡。
7。很好的英文支持，电子邮件，网址，小数，分数，百分数。
8。支持阿拉伯数字基本单字单位的识别，例如2012年，5吨，120斤。
9。自动英文圆角/半角，大写/小写转换。
附件目录结构说明
core - friso核心目录
└——dict ----- friso词库配置文件和所有词库文件。
└——src ----- friso c源程序。
└——friso.ini ----- friso配置文件【如何配置friso.ini】。
└——Install ----- 安装说明文件。
└——Run ----- 测试程序运行说明文件。
└——Uninstall ----- 卸载说明文件。
lib - friso二进制目录
└——win32 ----- win32的dll和lib文件。
└——linux ----- linux下的so和a文件。
ReadMe.txt ----- friso说明文件
二。分词速度
测试环境：2.8GHZ/2G/Ubuntu
简单模式：3.3M/秒
复杂模式：1.6M/秒
三。分词结果：
1.文本1：
歧义去除:研究生命起源，friso是使用c语言开发的高性能中文分词组件，混合词: 做B超检查身体，本质是X射线，单位和全角: 2009年８月６日开始大学之旅，英文数字: bug report chenxin619315@gmail.com or visit http://code.google.com/p/friso, 15% of the day's time i will be there.
friso分词结果：
歧义 去除 研究 生命 起源 friso 是 使用 c语言 开发 的 高性能 中文分词 组件 混合 词 做 b超 检查 身体 本质 是 x射线 单位 和 全角 2009年 8月 6日 开始 大学 之旅 英文 数字 bug report chenxin619315@gmail.com or visit http://code.google.com/p/friso 15% of the day's time i will be there
2.文本2：
叔叔亲了我妈妈也亲了我
friso分词结果：
叔叔 亲了 我 妈妈 也 亲了 我
四。使用方法
1.分词测试：
请按照附件中的Install说明(linux)安装friso：
运行如下命令来启动friso测试程序：
//run friso test program. friso -init friso.ini文件地址 //例如我的friso.ini在/c/friso/文件夹中： //请在friso.ini中正确的填写friso.lex_dir（词库配置文件friso.lex.ini的目录地址，必须以“/”结尾） friso -init /c/friso/friso.ini
2.二次开发使用：
具体请参考tst-friso.c文件：
friso_t friso; friso_task_t task; //1.实例化一个friso分词实例。 //__path__为friso.ini的地址。 friso = friso_new_from_ifile(__path__); //2.创建一个分词任务： task = friso_new_task(); //3.设置分词任务的分词文本： friso_set_text( task, "要被分词的文本"); //4.分词主程序： while ( ( friso_next( friso, friso->mode, task ) ) != NULL ) { //printf("%s[%d,%d]/ ", task->hits->word, task->hits->type, task->hits->offset ); printf("%s/ ", task->hits->word ); if ( task->hits->type == __FRISO_NEW_WORDS__ ) { FRISO_FREE( task->hits->word );//释放组合词的内存。 } } //5.释放friso和分词任务： friso_free_task( task ); friso_free( friso ); 五。friso动态：
friso的下一个版本：
1.加入中文数字识别以及其自动转换为阿拉伯数字的功能。
2.加入同义词功能。
3.加入中文人名识别。