class BaseNode(object,metaclass=ABCMeta):
Status = Enum([
# 未指定，用于删除词条
'UNDEFINED_0',
# 不是词语的结尾
'NOT_WORD_1',
# 是个词语的结尾，并且还可以继续
'WORD_MIDDLE_2',
# 是个词语的结尾，并且没有继续
'WORD_END_3'
])
def __init__(self):
self.child = []
self.c =''
self.value = None
# 这个类是一个抽象的类
@abstractmethod
def getChild(self,c):
pass
def getValue(self):
return self.value
def transition(self,path,begin):
cur = self
for i in range(begin,len(path)):
cur = cur.getChild(path[i])
if cur is None or cur.status == BaseNode.Status.UNDEFINED_0:
return None
return cur
class BaseNode(object):
__metaclass__ = ABCMeta
# 节点状态
Status = Enum([
# 未指定，用于删除词条
'UNDEFINED_0',
# 不是词语的结尾
'NOT_WORD_1',
# 是个词语的结尾，并且还可以继续
'WORD_MIDDLE_2',
# 是个词语的结尾，并且没有继续
'WORD_END_3'
])
def __init__(self):
# 子节点,BaseNode数组
self.child = []
# 节点代表的字符 protected char c
self.c = ''
# 节点代表的值 protected V value
self.value = None
@abstractmethod
def getChild(self, c):
"""
获取子节点
:param c:子节点的char
:return: 子节点
"""
pass
def getValue(self):
"""
获取节点对应的值
:return:值
"""
return self.value
def transition(self, path, begin):
cur = self
for i in range(begin, len(path)):
cur = cur.getChild(path[i])
if cur is None or cur.status == BaseNode.Status.UNDEFINED_0:
return None
return cur
NR = Enum([
# Pf 姓氏 【张】华平先生
'B',
# Pm 双名的首字 张【华】平先生
'C',
# Pt 双名的末字 张华【平】先生
'D',
# Ps 单名 张【浩】说：“我是一个好人”
'E',
# Ppf 前缀 【老】刘、【小】李
'F',
# Plf 后缀 王【总】、刘【老】、肖【氏】、吴【妈】、叶【帅】
'G',
# Pp 人名的上文 又【来到】于洪洋的家。
'K',
# Pn 人名的下文 新华社记者黄文【摄】
'L',
# Ppn 两个中国人名之间的成分 编剧邵钧林【和】稽道青说
'M',
# Ppf 人名的上文和姓成词 这里【有关】天培的壮烈
'U',
# Pnw 三字人名的末字和下文成词 龚学平等领导, 邓颖【超生】前
'V',
# Pfm 姓与双名的首字成词 【王国】维、
'X',
# Pfs 姓与单名成词 【高峰】、【汪洋】
'Y',
# Pmt 双名本身成词 张【朝阳】
'Z',
# Po 以上之外其他的角色
'A',
# 句子的开头
'S'
])
def __init__(self):
Enum.__init__(self)
self.initdict = {}
self.labelMap = TreeMap({}) # Treemap()对象
#-*-coding:utf-8-*-
# @File:NS.py
# @Author: Michael.liu
# @Date:2019/2/12
# @Desc: NLP Segmentation ToolKit - Hanlp Python Version
from collection.enum.Enum import Enum
NS = Enum([
# 地名的上文 我【来到】中关园
'A',
# 地名的下文刘家村/和/下岸村/相邻
'B',
# 中国地名的第一个字
'C',
# 中国地名的第二个字
'D',
# 中国地名的第三个字
'E',
# 其他整个的地名
'G',
# 中国地名的后缀海/淀区
'H',
# 连接词刘家村/和/下岸村/相邻
'X',
# 其它非地名成分
'Z',
# 句子的开头
'S'
])
NT = Enum([
# 上文 [参与]亚太经合组织的活动
'A',
# 下文 中央电视台[报道]
'B',
# 连接词 北京电视台[和]天津电视台
'X',
# 特征词的一般性前缀 北京[电影]学院
'C',
# 特征词的译名性前缀 美国[摩托罗拉]公司
'F',
# 特征词的地名性前缀 交通银行[北京]分行
'G',
# 特征词的机构名前缀 [中共中央]顾问委员会
'H',
# 特征词的特殊性前缀 [华谊]医院
'I',
# 特征词的简称性前缀 [巴]政府
'J',
# 整个机构 [麦当劳]
'K',
# 方位词
'L',
# 数词 公交集团[五]分公司
'M',
# 单字碎片
'P',
# 符号
'W',
# 机构名的特征词 国务院侨务[办公室]
'D',
# 非机构名成分
'Z',
# 句子的开头
'S'
])
# !/usr/bin/env python
# coding=utf-8
# by lsd 2017-06-01
"""
人名识别模式串 @author lishida
"""
from collection.enum.Enum import Enum
NRPattern = Enum([
'BBCD',
'BBE',
'BBZ',
'BCD',
'BEE',
'BE',
'BC',
'BEC',
'BG',
'DG',
'EG',
'BXD',
'BZ',
'EE',
'FE',
'FC',
'FB',
'FG',
'Y',
'XD',
])
Nature = Enum([
# 区别语素
'bg',
# 数语素
'mg',
# 名词性惯用语
'nl',
# 字母专名
'nx',
# 量词语素
'qg',
# 助词
'ud',
# 助词
'uj',
# 着
'uz',
# 过
'ug',
# 连词
'ul',
# 连词
'uv',
# 语气语素
'yg',
# 状态词
'zg',
# 以上标签来自ICT，以下标签来自北大
# 名词
'n',
# 人名
'nr',
# 日语人名
'nrj',
# 音译人名
'nrf',
# 复姓
'nr1',
# 蒙古姓名
'nr2',
# 地名
'ns',
# 音译地名
'nsf',
# 机构团体名
'nt',
# 公司名
'ntc',
# 工厂
'ntcf',
# 银行
'ntcb',
# 酒店宾馆
'ntch',
# 政府机构
'nto',
# 大学
'ntu',
# 中小学
'nts',
# 医院
'nth',
# 医药疾病等健康相关名词
'nh',
# 药品
'nhm',
# 疾病
'nhd',
# 工作相关名词
'nn',
# 职务职称
'nnt',
# 职业
'nnd',
# 名词性语素
'ng',
# 食品，比如‘薯片’
'nf',
# 机构相关（不是独立机构名）
'ni',
# 教育相关机构
'nit',
# 下属机构
'nic',
# 机构后缀
'nis',
# 物品名
'nm',
# 化学品名
'nmc',
# 生物名
'nb',
# 动物名
'nba',
# 动物纲目
'nbc',
# 植物名
'nbp',
# 其他专名
'nz',
# 学术词汇
'g',
# 数学相关词汇
'gm',
# 物理相关词汇
'gp',
# 化学相关词汇
'gc',
# 生物相关词汇
'gb',
# 生物类别
'gbc',
# 地理地质相关词汇
'gg',
# 计算机相关词汇
'gi',
# 简称略语
'j',
# 成语
'i',
# 习用语
'l',
# 时间词
't',
# 时间词语素
'tg',
# 处所词
's',
# 方位词
'f',
# 动词
'v',
# 副动词
'vd',
# 名动词
'vn',
# 动词“是”
'vshi',
# 动词“有”
'vyou',
# 趋向动词
'vf',
# 形式动词
'vx',
# 不及物动词（内动词）
'vi',
# 动词性惯用语
'vl',
# 动词性语素
'vg',
# 形容词
'a',
# 副形词
'ad',
# 名形词
'an',
# 形容词性语素
'ag',
# 形容词性惯用语
'al',
# 区别词
'b',
# 区别词性惯用语
'bl',
# 状态词
'z',
# 代词
'r',
# 人称代词
'rr',
# 指示代词
'rz',
# 时间指示代词
'rzt',
# 处所指示代词
'rzs',
# 谓词性指示代词
'rzv',
# 疑问代词
'ry',
# 时间疑问代词
'ryt',
# 处所疑问代词
'rys',
# 谓词性疑问代词
'ryv',
# 代词性语素
'rg',
# 古汉语代词性语素
'Rg',
# 数词
'm',
# 数量词
'mq',
# 甲乙丙丁之类的数词
'Mg',
# 量词
'q',
# 动量词
'qv',
# 时量词
'qt',
# 副词
'd',
# 辄,俱,复之类的副词
'dg',
# 连语
'dl',
# 介词
'p',
# 介词'把'
'pba',
# 介词'被'
'pbei',
# 连词
'c',
# 并列连词
'cc',
# 助词
'u',
# 着
'uzhe',
# 了喽
'ule',
# 过
'uguo',
# 的底
'ude1',
# 地
'ude2',
# 得
'ude3',
# 所
'usuo',
# 等 等等 云云
'udeng',
# 一样 一般 似的般
'uyy',
# 的话
'udh',
# 来讲 来说 而言 说来
'uls',
# 之
'uzhi',
# 连（“连小学生都会”）
'ulian',
# 叹词
'e',
# 语气词(delete yg)
'y',
# 拟声词
'o',
# 前缀
'h',
# 后缀
'k',
# 字符串
'x',
# 非语素字
'xx',
# 网址URL
'xu',
# 标点符号
'w',
# 左括号，全角：（ 〔 ［ ｛ 《 【 〖 〈 半角：( [ { <
'wkz',
# 右括号，全角：） 〕 ］ ｝ 》 】 〗 〉 半角： ) ] { >
'wky',
# 左引号，全角：“ ‘ 『
'wyz',
# 右引号，全角：” ’ 』
'wyy',
# 句号，全角：。
'wj',
# 问号，全角：？ 半角：?
'ww',
# 叹号，全角：！ 半角：!
'wt',
# 逗号，全角：， 半角：,
'wd',
# 分号，全角：； 半角： ;
'wf',
# 顿号，全角：、
'wn',
# 冒号，全角：： 半角： :
'wm',
# 省略号，全角：…… …
'ws',
# 破折号，全角：—— －－ ——－ 半角：--- ----
'wp',
# 百分号千分号，全角：％ ‰ 半角：%
'wb',
# 单位符号，全角：￥ ＄ ￡ ° ℃ 半角：$
'wh',
# 仅用于终##终，不会出现在分词结果中
'end',
# 仅用于始##始，不会出现在分词结果中
'begin'
])