ws-segment-rs

中文分詞函式庫（TypeScript novel-segment 的 Rust 移植）。以盤古分詞詞庫為基礎，並加入網路小說用語。

crates.io 套件名是 ws-segment-rs；Rust 裡仍 use novel_segment::…。

引用

本機 path：

[dependencies]
ws-segment-rs = { path = "../ws-segment-rs/crates/novel-segment" }

Git / crates.io：

[dependencies]
ws-segment-rs = "0.1"

關閉內建字典：

ws-segment-rs = { version = "0.1", default-features = false }

字典根目錄可用環境變數 NOVEL_SEGMENT_DICT_ROOT 覆寫（預設為倉庫內 packages/segment-dict/dict）。

使用

use novel_segment::{DoSegmentOptions, Segment, POSTAG};

fn main() -> Result<(), novel_segment::Error> {
    // JS `new Segment(); useDefault()` — auto_cjk 預設關閉。
    // 小說／測試路徑與 JS createSegment 相同：auto_cjk + all_mod + convertSynonym
    let mut seg = Segment::new(novel_segment::SegmentOptions {
        auto_cjk: true,
        ..Default::default()
    });
    seg.use_default()?;

    let words = seg.do_segment(
        "这是一个基于Rust的中文分词模块。",
        DoSegmentOptions::default(),
    );

    let simple = seg.do_segment_simple("...", DoSegmentOptions::convert_synonym());

    seg.add_word("專有名詞", Some(POSTAG::D_N), Some(100.0))?;
    seg.add_synonym("標準詞", &["錯字", "異體"]);
    Ok(())
}

DoSegmentOptions 對應 JS doSegment：simple、strip_punctuation、convert_synonym、strip_stopword、strip_space。

預設會回傳所有字元（含換行與空白），與 JS 2.x 相同。

小說長篇語料（word.novel.test.ts）請用 Segment::with_node_novel_default()：會清空同義詞再載入 synonym + zht.synonym + badword.synonym + zht.common.synonym。

CLI / HTTP API / MCP 見 crates/novel-segment-cli（crate：ws-segment-rs-cli）。Node 若要直接 require，可建 ws-segment-rs-napi：

cargo build -p ws-segment-rs-napi
node packages/novel-segment-native/scripts/copy-addon.js

ws-segment-rs 0.1.2

ws-segment-rs

引用

使用