免费中文分词（文本处理）：中文搜索/站内检索场景——用索引分词 + 关键词构建倒排索引
免费中文分词文本处理中文NLPAPI教程ShowAPI # 免费中文分词（文本处理）：中文搜索/站内检索场景——用索引分词 + 关键词构建倒排索引
> 接口：中文分词(2663-1, type=index) / 关键词抽取(2663-6)｜是否免费：是（含档位限制）｜适用人群：搜索/检索系统开发者｜阅读时间：约 7 分钟
## 核心要点
- 建中文搜索引擎，第一步是把文档切成词项（term），这一步用中文分词的 `index` 类型最合适（细粒度、利于召回）。
- 把「文档 → 词项」映射反转，就得到倒排索引（词项 → 出现过的文档 id 列表）。
- 关键词抽取（2663-6）可额外作为文档的「标签词」，辅助排序与高亮。
## Why
中文没有空格分词，直接拿整句去匹配会漏掉大量结果。搜索引擎的标准做法：先分词、再建倒排索引。ShowAPI 的 `index` 分词类型就是为这种场景设计的——你喂文档、拿词项，自己维护一张「词→文档」的表，查询时同样分词再去表里查，召回率和速度都上来。中小站内搜索、帮助中心检索，用这套免费接口就能起步。
## What
**接口速览**
| 接入点 | 路径 | 用途 |
|------|------|------|
| 索引分词 | 2663-1（`type=index`） | 把文档切成细粒度词项 |
| 关键词抽取 | 2663-6 | 抽文档标签词，辅助排序 |
## How
建索引 + 查询的最小实现：
```python
import requests
APPKEY = "YOUR_APPKEY"
def seg_index(text):
resp = requests.post("https://route.showapi.com/2663-1",
params={"appKey": APPKEY},
data={"text": text, "type": "index"}, timeout=10).json()
body = resp["showapi_res_body"]
if body.get("ret_code") != 0:
raise RuntimeError(body.get("remark"))
return [w["word"] for w in body.get("words", [])]
# 建倒排索引
docs = {
1: "北京大学创立于1898年",
2: "复旦大学位于上海",
}
inverted = {}
for doc_id, text in docs.items():
for term in seg_index(text):
inverted.setdefault(term, []).append(doc_id)
# 查询：同样用 index 分词，再去索引查
query = seg_index("北京大学")
hits = set()
for term in query:
hits.update(inverted.get(term, []))
print("命中文档:", hits) # {1}
```
> 注意：默认免费档位下 `words` 可能为空，建索引前先确认账号额度（见 [免费档位与调用策略](https://www.showapi.com/guides/cnseg-free-tier-2663)）。
## 返回示例与解析
索引分词（2663-1, `type=index`）示例：
```json
{
"showapi_res_body": {
"ret_code": 0,
"remark": "成功",
"words": [ { "word": "北京" }, { "word": "大学" }, { "word": "创立" } ]
}
}
```
- 细粒度切分让「北京大学」拆成「北京 / 大学」，查询「北京」也能命中。
- 倒排索引就是把每个词项指向包含它的文档集合。
## 进阶 / 边界
- **建索引与查询用同一种 `type`**：检索系统的写入分词和查询分词必须一致（都用 `index`），否则词项对不齐、召回错乱。
- **去重与归一**：建索引前对词项做去停用词、小写/简繁归一，效果更佳（简繁转换见 [汉字转拼音与简繁转换实战](https://www.showapi.com/guides/cnseg-convert-2663)）。
- **规模与档位**：文档量大时调用次数随之增长，注意免费档位额度；高吞吐需升级权益档。
## FAQ
**Q1：为什么用 index 而不是 standard？**
`index` 更细粒度，利于倒排索引召回；`standard` 偏通用，可能把专有名词整词保留而漏召回。
**Q2：建索引和查询的分词类型必须一致吗？**
必须一致，否则词项空间不同，查询命中会出错。
**Q3：倒排索引存在哪？**
由你自己维护（内存字典/Redis/ES 等），接口只负责分词。
**Q4：免费档返回空 words 影响建索引吗？**
会，空结果导致索引缺失；先解决额度问题。
**Q5：关键词抽取能替代分词建索引吗？**
不能，关键词是少量标签词，适合排序/高亮，建索引仍需全文分词。
## 相关能力 / 下一步阅读
- [免费中文分词（文本处理）：6 种分词类型怎么选？](https://www.showapi.com/guides/cnseg-types-2663)
- [免费中文分词（文本处理）：自动提取文章关键词与摘要](https://www.showapi.com/guides/cnseg-keywords-summary-2663)
- [免费中文分词（文本处理）：免费档位到底能调多少？](https://www.showapi.com/guides/cnseg-free-tier-2663)
> 本系列共 14 篇：查看[免费中文分词（文本处理）API 指南总目录](https://www.showapi.com/guides/cnseg-guides-2663)
