scws即Simple Chinese Word Segmentation。是C语言开发的基于词频词典的机械式中文分词引擎。scws的作者为hightman，采用BSD许可协议发布。nodescws的作者在libscws上添加功能(包括停用词、忽略符号、json格式配置等)并添加了node.js binding，除自己代码，不持有libscws著作权。
scws的主页: http://www.xunsearch.com/scws, GitHub: https://github.com/hightman/scws
Current release: v0.5.1
npm install scws
var Scws = require("scws");
var scws = new Scws(settings); // NOTE: before v0.5.0, do new Scws.init(settings)
var results = scws.segment(text);
scws.destroy(); // DO NOT forget this or your memory may be corrupted注意，在v0.5.0之前，使用new Scws.init(settings)初始化。
settings: Object, 分词设置, 支持charset, dicts, rule, ignorePunct, multi, debug：
charset: String, Optional
采用的encoding，支持"utf8"，"gbk"， 默认值"utf8"dicts: String, Required
要采用的词典文件的filename，多个文件之间用':'分隔。
支持xdb格式以及txt格式，自制词典请以".txt"作文件后缀。
例如"./dicts/dict.utf8.xdb:./dicts/dict_cht.utf8.xdb:./dicts/dict.test.txt"
scws自带的xdb格式词典附在该extension目录下(一般是node_modules/scws/)的./dicts/ ，
有简体和繁体两种选择，如果该项缺失则默认使用自带utf8简体中文词典rule: String, Optional
要采用的规则文件，设置对应编码下的地名，人名，停用词等。
详见该extension目录下(一般是node_modules/scws/)的rules/rules.utf8.ini。
若该配置缺失则默认使用自带utf8的规则文件。
v0.2.3添加了JSON支持，避免繁复的ini语法。
若以.json结尾，则会解析对应的JSON rule文件，也可以直接传JSON string来进行配置。语法参考 ./rules/rules.utf8.jsonignorePunct: Bool, Optional
是否忽略标点multi: String, Optional
是否进行长词复合切分，例如中国人这个词产生“中国人”，“中国”，“人”多个结果，可选值"short", "duality", "zmain", "zall":
short: 短词
duality: 组合相邻的两个单字
zmain: 重要单字
zall: 全部单字debug: Bool, Optional
是否以debug模式运行，若为true则输出scws的log, warning, error到stdout, defult为falseapplyStopWord: Bool, Optional
是否应用rule文件中[nostats]区块所规定的停用词，默认为trueString, 要切分的字符串Return Array
[
{
word: '可读性',
offset: 183, // 该词在文档中的位置
length: 9, // byte
attr: 'n', // 词性，采用《现代汉语语料库加工规范——词语切分与词性标注》标准，涵义请参考 http://blog.csdn.net/dbigbear/article/details/1488087
idf: 7.800000190734863
},
...
]var fs = require("fs")
Scws = require("scws");
fs.readFile("./test_doc.txt", {
encoding: "utf8"
}, function(err, data){
if (err)
return console.error(err);
// initialize scws with config entries
var scws = new Scws({
charset: "utf8",
//dicts: "./dicts/dict.utf8.xdb:./dicts/dict_cht.utf8.xdb:./dicts/dict.test.txt",
dicts: "./dicts/dict.utf8.xdb",
rule: "./rules/rules.utf8.ini",
ignorePunct: true,
multi: "duality",
debug: true
});
// segment text
res = scws.segment(data);
res1 = scws.segment("大家好我来自德国，我是德国人");
console.log(res, res1);
// destroy scws, recollect memory
scws.destroy();
})更多请参考test/中的测试
ignorePunct is set trueYou can add your own stop words in the entry [nostats] in the rule file. Turn off stop words feature by setting applyStopWord false.
New syntax to initialize scws: scws = new Scws(config); result = scws.segment(text); scws.destroy() so that we are able to reuse scws instance, thus gaining great improvement in perfermence when recurrently used(approximately 1/4 faster).
Added new setting entry debug. Setting config.debug = true will make scws output it's log, error, warning to stdout
Published to npm registry. usage: scws(text, settings); available setting entries: charset, dicts, rule, ignorePunct, multi.