## xici(关键词分组) ---- 多功能分词工具： 1. 按词数（关键词长度）分组，相同字数的词分到一组。 2. 按是否包含数字分组， 包含数字的关键词分到一组。 3. 按是否包含字母分组， 包含字母的关键词分到一组。 4. 按是否包含特殊符号分组，包含特殊符号的关键词分到一组。 5. 按核心词汇分组。 6. 按核心词汇的组合分组，组合长度不限。例如：`Java +费用`，组合间用 `'+'`连接。 7. 支持核心词组合分组时的匹配模式控制，即: * `"包含"` 模式：只要关键词包含所有的核心词便分到该组下（不论核心词位置的先后）。 * `"相同"` 模式： 只有包含核心词并且排列结果相同时才分到该组下（核心词的先后位置一致）。 8. 支持将符合核心词、核心词组合的关键词进一步按照关键词的长度进一步细分分组。 9. 支持先删除符合条件的关键词，然后再分组。 >提示： > >删除关键词的规则的写法与分组规则一致，核心词、核心词组合、包含数字、包含字母、包含特殊符号。删除规则中不支持长度规则）； > >字母、数字、特殊符号因某些原因可能存在遗漏——匹配不上导致关键词中依然存在包含这些特殊内容的关键词。 ### 准备文件 #### 关键词文件 * 关键词文件须是 `.txt` 类型文件。 * 内容：一行一个关键词。 ##### 分词规则文件 * 规则文件为 `.csv ` 类型文件。 * 具体标题（表头）见《分词模板》*运行 rankman template 获得* ### 规则列填写说明 #### "保留" 规则 * `&s` —— 包含数字；可匹配包含数字的关键词。 * `&z` —— 包含字母；可匹配包含英文字母的关键词。 * `&f` —— 包含符号；可匹配包含特殊符号的关键词。 * `&c` —— 按关键词长度（词数）分组，长度相同的关键词分到一组。 * 指定长度分组；写具体的数字，比如： `10`，则所有长度为10（10个字）的关键词分到该组下。 * 范围长度分组；写两个数字并用 "`_`" 连起来；如：`5_10`，则所有长度大于或等于5，小于或等于10 范围内的关键词将分到该组下。 * 核心字符(词组)—— 按包含核心字符进行分组。 * 核心字符(词组)组合 —— 按包含或者结构与核心字符组合相同进行分组。它有两种分配规则： 1. 全部包含核心字符； 2. 与核心字符组合的结构相同（占位的顺序一致） #### "删除"规则 “删除”的规则与 “保留” 规则基本一致，但涉及关键词**长度**的规则不可用。 #### isPullAfterDone 在分词时，是否不断地将已经分出去的词移除。 * 填 "是" 或者 "否" 结果： * "是"， 在所有的分组中每个关键词都是唯一的。 * "否"， 在不同的分组中可能存在相同的关键词。 #### isGroupByLength 作用在核心字符(词组) 规则上。是否对已分好组的关键词再次按长度进行按长度细分。 * 填 "是" 或者 "否" 结果: 如果“是”，则对已分好组的关键词再次按长度进行按长度细分，按长度归类并输出文件名为 核心字符+长度+模式.txt 的文本文件。 #### findMod 作用在核心字符组合(词组) 规则上。 * 填 “相同” 或者 “包含” 说明： * "包含"， 当关键词包含 全部 核心字符 时，将关键词分到该组下。 * "相同"， 当关键词的结构 与 核心字符组合 一致时，将关键词分到该组下。