onlytiancai/splid_words.html

## splid_words.html
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
    <title>test</title>
</head>
<body>
    <script type="text/javascript">
        /*
        * @description 原始词库
        */
        var word_dict = ['中', '华', '人', '民', '人民', '共和', '国', '共和国','伟大','国家'];

        /*
        * @description 格式化词库,按长度分成若干组，并按长度倒序排列
        * @param {Array of String} dict 全局词库
        * @return {Object} 格式化后的词库
        */
        var format_dict = function (dict) {
            //1、把词库按长度分成若干组,key为词长度，value为此长度的词列表
            var map = {};
            for (var i = 0; i < dict.length; i++) {
                var word = dict[i];
                if (!map[word.length])
                    map[word.length] = [];
                map[word.length].push(word);
            }

            //2、声明一个长度数组，按词的长度倒序排列
            var len_array = [];
            for (var len in map) {
                len_array.push(len);
            }
            len_array.sort(function (a, b) { return parseInt(b) - parseInt(a) });

            //3、声明一个词库数组，每个元素是一组等长词，且按长度倒序排列
            var result = [];
            for (var i = 0; i < len_array.length; i++) {
                var key = len_array[i];
                result.push(map[key]);
            }
            return result;
        };


        /*
        * @description 从格式化词库里找到一个最长的匹配
        * @param {String} input 进行匹配的字符串
        * @param {int} pos 匹配字符串的匹配位置
        * @param {Object} dict，格式化词库
        * @return {String} 如果匹配成功，返回匹配的单词，否则返回空字符串
        */
        var match_words = function (input, pos, dict) {
            for (var i = 0; i < dict.length; i++) {
                var word_group = dict[i];
                for (var j = 0; j < word_group.length; j++) {
                    var word = word_group[j];
                    if (input.substr(pos, word.length) === word)
                        return word;
                }
            }
            return "";
        }
        /*
        * 进行正向最大匹配机械分词
        */
        String.prototype.SplitWords = function () {
            var result = [], pos = 0, len = this.valueOf().length;
            var formated_dict = format_dict(word_dict);

            while (pos < len) {
                var match_word = match_words(this.valueOf(), pos, formated_dict);

                if (match_word.length > 0) {
                    result.push(match_word);
                    pos += match_word.length;
                }
                else {
                    result.push(this.valueOf()[pos]);
                    pos = pos + 1;
                }
            }
            return result;
        }
        document.writeln("中华人民共和国是最伟大的国家".SplitWords().join());
    </script>
</body>
</html>
	<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
	<html xmlns="http://www.w3.org/1999/xhtml">
	<head>
	<title>test</title>
	</head>
	<body>
	<script type="text/javascript">
	/*
	* @description 原始词库
	*/
	var word_dict = ['中', '华', '人', '民', '人民', '共和', '国', '共和国','伟大','国家'];

	/*
	* @description 格式化词库,按长度分成若干组，并按长度倒序排列
	* @param {Array of String} dict 全局词库
	* @return {Object} 格式化后的词库
	*/
	var format_dict = function (dict) {
	//1、把词库按长度分成若干组,key为词长度，value为此长度的词列表
	var map = {};
	for (var i = 0; i < dict.length; i++) {
	var word = dict[i];
	if (!map[word.length])
	map[word.length] = [];
	map[word.length].push(word);
	}

	//2、声明一个长度数组，按词的长度倒序排列
	var len_array = [];
	for (var len in map) {
	len_array.push(len);
	}
	len_array.sort(function (a, b) { return parseInt(b) - parseInt(a) });

	//3、声明一个词库数组，每个元素是一组等长词，且按长度倒序排列
	var result = [];
	for (var i = 0; i < len_array.length; i++) {
	var key = len_array[i];
	result.push(map[key]);
	}
	return result;
	};


	/*
	* @description 从格式化词库里找到一个最长的匹配
	* @param {String} input 进行匹配的字符串
	* @param {int} pos 匹配字符串的匹配位置
	* @param {Object} dict，格式化词库
	* @return {String} 如果匹配成功，返回匹配的单词，否则返回空字符串
	*/
	var match_words = function (input, pos, dict) {
	for (var i = 0; i < dict.length; i++) {
	var word_group = dict[i];
	for (var j = 0; j < word_group.length; j++) {
	var word = word_group[j];
	if (input.substr(pos, word.length) === word)
	return word;
	}
	}
	return "";
	}
	/*
	* 进行正向最大匹配机械分词
	*/
	String.prototype.SplitWords = function () {
	var result = [], pos = 0, len = this.valueOf().length;
	var formated_dict = format_dict(word_dict);

	while (pos < len) {
	var match_word = match_words(this.valueOf(), pos, formated_dict);

	if (match_word.length > 0) {
	result.push(match_word);
	pos += match_word.length;
	}
	else {
	result.push(this.valueOf()[pos]);
	pos = pos + 1;
	}
	}
	return result;
	}
	document.writeln("中华人民共和国是最伟大的国家".SplitWords().join());
	</script>
	</body>
	</html>