LangSC 1.0.6

Language Structure Computation - GPF, BCC, and JSS unified package

LangSC 使用手册

LangSC（Language Structure Computation）是一个统一的 Python 包，集成了自然语言结构分析、语料库查询和 JSON 结构检索三大功能。

---

目录

• 1. 概述
• 2. 安装与配置
• 3. 快速上手
• 4. GPF 类 — 自然语言结构分析
  • 4.1 构造函数与初始化
  • 4.2 自动索引机制
  • 4.3 NLP 分析
  • 4.4 文本与网格操作
  • 4.5 Unit（语言单元）操作
  • 4.6 Relation（关系）操作
  • 4.7 Grid KV（网格属性）
  • 4.8 Table（数据表）操作
  • 4.9 FSA（有限状态自动机）
  • 4.10 索引创建
  • 4.11 服务调用与 Dot 可视化
  • 4.12 结构添加
  • 4.13 可视化输出
  • 4.14 其他方法
  • 4.15 GPF 方法速查表
• 5. BCC 类 — 语料库查询
  • 5.1 构造函数与初始化
  • 5.2 自动索引机制
  • 5.3 语料查询
  • 5.4 KV 操作
  • 5.5 语料索引
  • 5.6 BCC 方法速查表
• 6. JSS 类 — JSON 结构检索
  • 6.1 构造函数与初始化
  • 6.2 自动索引机制
  • 6.3 数据目录结构
  • 6.4 cfg 配置文件格式
  • 6.5 cfg 自动生成规则
  • 6.6 查询
  • 6.7 资源释放
  • 6.8 JSS 方法速查表
• 7. 完整示例
• 8. 数据文件格式说明
• 9. 平台与依赖
• 10. 参考文献

---

1. 概述

LangSC 包含三个相互独立的核心类：

类	功能	底层库	索引日志
GPF	基于网格（Lattice/Grid）的自然语言结构分析框架，支持分词、词性标注、句法分析、FSA 规则匹配、数据表查询和可视化	gpflib	IdxLog_GPF.txt
BCC	BCC 语料库查询引擎，支持词频统计、上下文检索、计数查询和语料索引	bcclib	IdxLog_BCC.txt
JSS	JSON 结构化数据检索引擎，支持 SQL 风格查询、多表管理和自动建索引	jsslib	IdxLog_JSS.txt

三个类相互独立，按需导入即可，不会加载多余的动态库。例如只使用 JSS 时，不会加载 gpflib 和 bcclib。

架构设计

LangSC/
├── __init__.py        # 导出 GPF, BCC, JSS, __version__
├── __version__.py     # 版本号
├── _utils.py          # 共享工具函数（编码检测、索引日志管理等）
├── gpf.py             # GPF 类（封装 gpflib）
├── bcc.py             # BCC 类（封装 bcclib）
├── jss.py             # JSS 类（封装 jsslib）
├── gpflib.dll / libgpflib.so / libgpflib.dylib
├── bcclib.dll / libbcclib.so / libbcclib.dylib
├── jsslib.dll / libjsslib.so / libjsslib.dylib
└── (数据文件: GPFconfig.txt, BCCconfig.txt, Parser.lua, Segment.dat, idxPOS.dat, base.lex)

---

2. 安装与配置

2.1 安装

pip install LangSC

2.2 依赖

依赖包	用途	说明
pywin32	Windows DLL 内存释放	仅 Windows 平台需要
wordcloud	词云可视化	GPF 的 ShowCloud 方法使用
requests	HTTP 请求	GPF 的 DotFile/DotBuff 远程服务使用
chardet	文件编码自动检测	全部三个类使用

2.3 系统要求

• Python >= 3.6
• 操作系统：Windows、Linux、macOS
• Graphviz（可选）：GPF 可视化输出需要安装 Graphviz 的 dot 命令，或使用包内自带的 Graph/dot 工具

2.4 版本查询

import LangSC
print(LangSC.__version__)  # 例如 "1.0.1"

---

3. 快速上手

# GPF：分词
from LangSC import GPF
gpf = GPF("./data")
result = gpf.Segment("自然语言处理是人工智能的重要方向")
print(result)  # "自然 语言 处理 是 人工 智能 的 重要 方向"

# BCC：词频查询
from LangSC import BCC
bcc = BCC("./corpus")
freq = bcc.RunBCC("学习", Command="Freq", Number=10)
print(freq)

# JSS：SQL 查询
from LangSC import JSS
jss = JSS("./table")
results = jss.RunJSS("SELECT TOP 5 id, ci FROM ci WHERE ci = '爱';")
for row in results:
    print(row)
jss.Terminate()

---

4. GPF 类 — 自然语言结构分析

GPF（Grid-based Parsing Framework）提供基于网格的自然语言结构分析能力。核心数据结构是网格（Grid/Lattice），其中包含语言单元（Unit）和关系（Relation），支持文本分析、规则匹配、词表查询和结构可视化。

4.1 构造函数与初始化

from LangSC import GPF

gpf = GPF(dataPath="./data")

参数

参数	类型	默认值	说明
dataPath	str	"./data"	数据目录路径，包含 Table 和 FSA 文件

说明

• 构造函数自动初始化 GPF 网格句柄（hHandleGPF）和 CRF/POS 句柄（hHandleCRFPOS）
• 自动加载 CRF 分词模型（Segment.dat）和词性标注数据（idxPOS.dat）
• 自动检测数据目录状态并执行索引（详见 4.2 自动索引机制）
• dataPath 中的反斜杠会被自动转换为正斜杠

4.2 自动索引机制

构造函数调用 _init_gpf_data(dataPath) 自动处理数据索引：

1. 检查 dataPath 中是否存在 IdxLog_GPF.txt 索引日志
2. 若存在：说明已是索引目录，直接使用
3. 若不存在：视为原始数据目录
   • 扫描目录下的 Table 和 FSA 文件
   • 创建 dataPathIdx/ 索引目录
   • 逐一索引 Table 和 FSA 文件，并记录到 IdxLog_GPF.txt
4. 通过文件时间戳比较（is_same），避免重复索引

索引完成后，self.dataPath 指向实际的索引目录路径。

4.3 NLP 分析

Segment(text, table="")

对文本执行 CRF 分词。

result = gpf.Segment("自然语言处理是人工智能的重要方向")
# 返回: "自然 语言 处理 是 人工 智能 的 重要 方向"

参数	类型	默认值	说明
text	str	（必填）	待分词的文本
table	str	""	用户词表名称。为空时使用 CRF 模型分词；指定时使用用户词表辅助分词

返回值：str，以空格分隔的分词结果。

说明

• 首次调用时自动初始化 CRF 模型（线程安全）
• 若指定 table，会先调用 SetGridText 设置文本，再使用 GPF_GridSegUser 进行带用户词表的分词

POS(text, table="")

对文本执行词性标注（先分词，再标注）。

result = gpf.POS("自然语言处理是人工智能的重要方向")
# 返回: "自然/b 语言/n 处理/v 是/v 人工/b 智能/n 的/u 重要/a 方向/n"

参数	类型	默认值	说明
text	str	（必填）	待标注的文本
table	str	""	用户词表名称

返回值：str，格式为 词/词性 以空格分隔。

说明

• 首次调用时自动初始化 POS 模型（线程安全）
• 内部先调用 Segment 分词，再调用 GPF_POS 标注

Parse(text, **Others)

统一解析接口，根据 Structure 参数调用不同的解析方式。

# 分词
result = gpf.Parse("自然语言处理", Structure="Segment")

# 词性标注
result = gpf.Parse("自然语言处理", Structure="POS")

# 句法树（需要远程服务）
result = gpf.Parse("自然语言处理", Structure="Tree")

# 指定用户词表
result = gpf.Parse("自然语言处理", Structure="Segment", Table="myDict")

# 通过 Web 服务解析
result = gpf.Parse("自然语言处理", Structure="POS", Web=True)

参数	类型	默认值	说明
text	str	（必填）	待解析文本（自动截断至 1024 字符）
Structure	str	"POS"	解析类型："Segment" / "POS" / "Tree" / "Chunk" 等
Web / IsWeb	bool	False	是否通过 Web 服务解析
Table	str	""	用户词表名称

返回值：str，JSON 格式字符串。

• Segment：["词1", "词2", ...]
• POS：["词1/POS1", "词2/POS2", ...]
• 其他：由远程服务返回的 JSON 结构

4.4 文本与网格操作

GPF 的核心数据结构是网格（Grid），网格承载文本、语言单元（Unit）和关系（Relation）。

SetText(text) / SetGridText(text)

设置网格的文本内容。

gpf.SetText("今天天气很好")
# 或
gpf.SetGridText("今天天气很好")  # 等价，但额外调用 GPFInit

参数	类型	说明
text	str	文本内容

返回值：int，操作状态码。

GetText(begin=0, end=-1) / GetGridText(begin=0, end=-1)

获取网格中的文本。

text = gpf.GetText()           # 获取全部文本
text = gpf.GetText(0, 3)       # 获取位置 0 到 3 的文本
text = gpf.GetGridText()       # 等价于 GetText()

参数	类型	默认值	说明
begin	int	0	起始位置
end	int	-1	结束位置（-1 表示全部）

返回值：str，文本内容。

GetGrid() / GetStructure()

获取完整的网格结构（JSON 格式）。

grid = gpf.GetGrid()        # 返回网格的 JSON 表示
grid = gpf.GetStructure()   # 等价

返回值：dict / list，网格结构的 JSON 对象。若网格为空返回 {}。

4.5 Unit（语言单元）操作

Unit 是网格中的基本语言单元，对应一个词或短语，具有位置信息和键值属性。

AddUnit(text, colNo=-1)

向网格中添加一个 Unit。

unitNo = gpf.AddUnit("天气")           # 自动定位
unitNo = gpf.AddUnit("天气", colNo=3)  # 指定列号（文本中的字符位置）

参数	类型	默认值	说明
text	str	（必填）	Unit 的文本内容
colNo	int	-1	列号（字符位置）。-1 时自动查找文本位置

返回值：str，Unit 编号（如 "(0,2)"），后续操作通过此编号引用该 Unit。

AddUnitKV(unitNo, key, val)

为 Unit 添加键值属性。

gpf.AddUnitKV(unitNo, "POS", "n")         # 添加词性
gpf.AddUnitKV(unitNo, "Tag", "人名;地名")  # 多值用分隔符

参数	类型	说明
unitNo	str	Unit 编号
key	str	属性名
val	str	属性值。支持以空格、分号、逗号、制表符分隔的多值，每个值分别添加

返回值：int，固定返回 1。

GetWord(unitNo)

获取 Unit 的文本内容。

word = gpf.GetWord(unitNo)  # 例如 "天气"

参数	类型	说明
unitNo	str	Unit 编号

返回值：str，Unit 的文本内容。

GetUnit(kv, UnitNo="", UExpress="") / GetUnits(kv, UnitNo="", UExpress="")

按条件查找 Unit。

units = gpf.GetUnit("POS=n")           # 查找所有词性为 n 的 Unit
units = gpf.GetUnits("POS=n")          # 同上
unit  = gpf.GetUnit(0)                 # 按 FSA 路径号获取（整数参数）

参数	类型	默认值	说明
kv	str 或 int	（必填）	查询条件（如 "POS=n"）或 FSA 路径号（整数）
UnitNo	str	""	限定在某个 Unit 范围内查找
UExpress	str	""	Unit 表达式

返回值：

• 查找模式：list / dict，匹配的 Unit 列表。无匹配返回 0
• FSA 路径号模式：str，Unit 编号

GetUnitKV(unitNo, key="") / GetUnitKVs(unitNo, key="")

获取 Unit 的属性值。

kvs = gpf.GetUnitKV(unitNo)              # 获取全部属性 → dict
val = gpf.GetUnitKV(unitNo, "POS")       # 获取指定属性 → list
word = gpf.GetUnitKV(unitNo, "Word")     # 获取文本 → str
pos = gpf.GetUnitKV(unitNo, "From")      # 获取起始位置 → int

参数	类型	默认值	说明
unitNo	str	（必填）	Unit 编号
key	str	""	属性名。为空返回全部属性

返回值：

key 值	返回类型	说明
""	dict	全部属性键值对
"Word" / "HeadWord"	str	文本内容（无匹配返回 ""
"From" / "To"	int	位置信息（无匹配返回 -1）
其他	list	属性值列表

GetFSAUnit(pathNo)

按 FSA 路径号获取 Unit。

unit = gpf.GetFSAUnit(0)  # 获取第 0 条路径对应的 Unit

参数	类型	说明
pathNo	int	FSA 路径号

返回值：str，Unit 编号。

IsUnit(unitNo, kv)

判断 Unit 是否具有指定属性。

ret = gpf.IsUnit(unitNo, "POS=n")      # 判断词性是否为 n
ret = gpf.IsUnit(unitNo, "Type=Word")   # 判断类型是否为 Word

参数	类型	说明
unitNo	str	Unit 编号
kv	str	属性条件，格式为 "Key=Value"

返回值：int，匹配返回非零值，不匹配返回 0。

4.6 Relation（关系）操作

Relation 表示两个 Unit 之间的有向关系（如主谓、动宾等）。

AddRelation(unitNo1, unitNo2, role)

添加关系。

gpf.AddRelation(unitNo1, unitNo2, "SBJ")  # unitNo1 → unitNo2, 关系为 SBJ（主语）

参数	类型	说明
unitNo1	str	源 Unit 编号（关系起点）
unitNo2	str	目标 Unit 编号（关系终点）
role	str	关系类型（如 "SBJ", "OBJ", "ATT" 等）

返回值：int，固定返回 1。

AddRelationKV(unitNo1, unitNo2, role, key, val)

为关系添加键值属性。

gpf.AddRelationKV(unitNo1, unitNo2, "SBJ", "Confidence", "0.95")

参数	类型	说明
unitNo1	str	源 Unit 编号
unitNo2	str	目标 Unit 编号
role	str	关系类型
key	str	属性名
val	str	属性值（支持多值分隔）

返回值：int，固定返回 1。

GetRelation(kv="") / GetRelations(kv="")

获取关系列表。

rels = gpf.GetRelation()               # 获取全部关系
rels = gpf.GetRelations("Role=SBJ")    # 按条件过滤

参数	类型	默认值	说明
kv	str	""	过滤条件（为空返回全部）

返回值：list，关系列表。无关系返回 []。

GetRelationKV(unitNo1, unitNo2, role, key="") / GetRelationKVs(...)

获取关系属性。

kvs = gpf.GetRelationKV(unitNo1, unitNo2, "SBJ")          # 全部属性
kvs = gpf.GetRelationKVs(unitNo1, unitNo2, "SBJ", "key")  # 指定属性

参数	类型	默认值	说明
unitNo1	str	（必填）	源 Unit 编号
unitNo2	str	（必填）	目标 Unit 编号
role	str	（必填）	关系类型
key	str	""	属性名（为空返回全部）

返回值：dict / list，属性键值对。

IsRelation(unitNo1, unitNo2, role, kv="")

判断两个 Unit 之间是否存在指定关系。

ret = gpf.IsRelation(unitNo1, unitNo2, "SBJ")

参数	类型	默认值	说明
unitNo1	str	（必填）	源 Unit 编号
unitNo2	str	（必填）	目标 Unit 编号
role	str	（必填）	关系类型
kv	str	""	附加属性条件

返回值：int，存在返回非零值，不存在返回 0。

4.7 Grid KV（网格属性）

为整个网格（非某个 Unit）添加/获取全局属性。

AddGridKV(key, val) / AddTextKV(key, val)

添加网格级属性。

gpf.AddGridKV("Author", "张三")
gpf.AddTextKV("Source", "新闻")   # 等价

参数	类型	说明
key	str	属性名
val	str	属性值（支持多值分隔）

返回值：int，固定返回 0。

GetGridKV(key="") / GetGridKVs(key="") / GetTextKV(key="")

获取网格级属性。

kvs = gpf.GetGridKV()           # 全部属性
kvs = gpf.GetGridKV("Author")   # 指定属性
kvs = gpf.GetTextKV("Source")   # 等价于 GetGridKVs

参数	类型	默认值	说明
key	str	""	属性名（为空返回全部）

返回值：dict / list，属性键值对。

4.8 Table（数据表）操作

Table 是 GPF 的词表/数据表系统，支持键值查询、前后缀匹配等操作。

SetTable(tableName)

设置当前活跃的数据表。

gpf.SetTable("CiDian")

CallTable(tableName, Mode=0)

加载并设置数据表。

gpf.CallTable("CiDian")

说明：先调用 GPF_AppLexicon 加载表，再调用 GPF_SetLexicon 设置为当前表。

GetTable()

获取所有已加载的表名。

tables = gpf.GetTable()  # → dict/list

返回值：dict，所有表名及其信息。

GetTableItem(tableName="", kv="") / GetItem(tableName="", kv="")

获取表中的条目列表。

items = gpf.GetTableItem("CiDian")           # 获取表的全部条目
items = gpf.GetTableItem("CiDian", "POS=n")  # 按条件过滤
items = gpf.GetItem("CiDian")                # 等价

GetTableItems(tableName, kv="")

获取指定表的条目列表（带过滤条件）。

items = gpf.GetTableItems("CiDian", "POS=n")

参数	类型	默认值	说明
tableName	str	（必填）	表名
kv	str	""	过滤条件

返回值：dict / list，条目列表。

GetTableItemKV(tableName, item="", key="") / GetItemKV(...) / GetTableItemKVs(...)

获取表中某条目的属性。

kvs = gpf.GetTableItemKV("CiDian", "天气")               # 全部属性
kvs = gpf.GetTableItemKVs("CiDian", "天气", "POS")        # 指定属性
kvs = gpf.GetItemKV("CiDian", "天气", "POS")              # 等价

参数	类型	默认值	说明
tableName	str	（必填）	表名
item	str	""	条目名
key	str	""	属性名（为空返回全部）

返回值：dict / list。

IsTable(tableName, item="", kv="")

判断表中是否存在指定条目或属性。

ret = gpf.IsTable("CiDian")                        # 判断表是否存在
ret = gpf.IsTable("CiDian", "天气")                # 判断条目是否存在
ret = gpf.IsTable("CiDian", "天气", "POS=n")       # 判断属性是否匹配

返回值：int，存在/匹配返回非零值。

GetSuffix(tableName, sentence) / GetPrefix(tableName, sentence)

后缀/前缀匹配。

suffix = gpf.GetSuffix("CiDian", "今天天气很好")  # 从文本尾部匹配
prefix = gpf.GetPrefix("CiDian", "今天天气很好")  # 从文本头部匹配

参数	类型	说明
tableName	str	表名
sentence	str	待匹配的文本

返回值：str，匹配结果。

4.9 FSA（有限状态自动机）

FSA 是 GPF 的规则引擎，支持基于状态自动机的模式匹配和规则执行。

CallFSA(fsaName, **Others) / RunFSA(fsaName, param="")

执行 FSA 规则。

gpf.CallFSA("myRule", Param1="val1", Param2="val2")
gpf.RunFSA("myRule")   # 等价于 CallFSA("myRule")

参数	类型	说明
fsaName	str	FSA 规则名称
**Others	关键字参数	FSA 参数，自动拼接为 "Key1=Val1;Key2=Val2" 格式

返回值：int，FSA 执行结果长度。

说明：FSA 匹配成功后，会通过 exec() 执行规则中嵌入的 Python 代码。

GetFSAParam(key) / GetParam(key)

获取 FSA 参数。

val = gpf.GetFSAParam("key")
val = gpf.GetParam("key")    # 等价

返回值：str，参数值。

GetFSANode(tag="-1") / GetNode(tag)

获取 FSA 节点。

pathNo = gpf.GetFSANode("tag")  # 按标签获取
pathNo = gpf.GetNode(0)         # 按整数标签获取（自动转字符串）

返回值：int，路径号。

4.10 索引创建

IndexTable(table_filename)

索引 Table 文件。

gpf.IndexTable("./data/myTable.txt")

参数	类型	说明
table_filename	str	Table 文件路径

返回值：若存在搭配（Collocation）信息，返回 dict（搭配数据）；否则返回 0。

说明：索引完成后自动调用 GPF_ReLoad 重新加载配置。若存在搭配关系，会递归索引搭配表。

IndexFSA(rule_filename)

索引 FSA 规则文件。

gpf.IndexFSA("./data/myRule.txt")

参数	类型	说明
rule_filename	str	FSA 规则文件路径

返回值：int，操作状态码。

4.11 服务调用与 Dot 可视化

CallService(sentence, name)

调用远程服务进行文本解析。

result = gpf.CallService("自然语言处理", "Tree")

参数	类型	说明
sentence	str	输入文本
name	str	服务名称

返回值：str，服务返回的 JSON 字符串。

Dot2Img(Dot, name)

将 Dot 脚本转换为图片（通过 DLL）。

img = gpf.Dot2Img(dot_string, "myGraph")

返回值：bytes，图片数据。

DotFile(dot_filename, img_filename)

将 Dot 文件通过远程服务转换为图片文件。

gpf.DotFile("graph.dot", "graph.png")

返回值：bool，成功返回 True。

DotBuff(dot_data, img_filename)

将 Dot 字符串通过远程服务转换为图片文件。

gpf.DotBuff(dot_string, "graph.png")

返回值：bool，成功返回 True。

4.12 结构添加

将 JSON 格式的语言结构数据添加到当前网格中。

AddStructure(json_str) / AddGrid(json_str) / AddGridJS(json_str)

添加结构，自动识别类型。

gpf.AddStructure(json_str)
gpf.AddGrid(json_str)      # 等价
gpf.AddGridJS(json_str)    # 等价

说明：根据 JSON 结构自动判断类型：

• 若 JSON 包含 "Type" 字段：直接调用 GPF_AddStructure
• 否则自动识别为 Graph / Seq / Tree，调用对应的添加方法

AddSeq(json_str)

添加序列结构（如分词结果）。

# 字符串列表格式
gpf.AddSeq('["自然/b", "语言/n", "处理/v"]')

# 字典列表格式（带属性）
gpf.AddSeq('[{"自然": {"POS": "b"}}, {"语言": {"POS": "n"}}]')

支持的 JSON 格式：

• 字符串列表：["词1", "词1/POS", ...]
• 字典列表：[{"词": {"属性名": "属性值"}}, ...]，或包含 "Unit" 和 "Att" 字段的字典

AddTree(json_str)

添加树结构。

gpf.AddTree('{"S": ["NP", {"VP": ["V", "NP"]}]}')

说明：将 JSON 的括号语法转换为 "Type":"Tree" 格式后调用 AddGridJS。

AddGraph(json_str)

添加图结构（有向图）。

# 三元组列表格式：[源, 目标, 关系]
gpf.AddGraph('[["喜欢", "我", "SBJ"], ["喜欢", "北京", "OBJ"]]')

# 字典格式：{源: {关系: 目标}}
gpf.AddGraph('{"喜欢": {"SBJ": "我", "OBJ": "北京"}}')

Add2Grid(Txt, Head, Tail, Rel)

底层方法，向网格中添加一条边（两个 Unit + 关系）。

gpf.Add2Grid("我喜欢北京", "喜欢", "我", "SBJ")

4.13 可视化输出

GPF 提供多种可视化方法，生成 Graphviz DOT 脚本或 PNG 图片。

Show(Json="", **Others)

统一可视化接口。

gpf.Show()                                  # 显示当前网格
gpf.Show(Json=json_str)                     # 显示 JSON 结构
gpf.Show(Output="output.png")               # 指定输出文件
gpf.Show(Relation=True)                     # 显示关系
gpf.Show(Grid=False, Relation=True)         # 只显示关系，不显示网格
gpf.Show(Unit=unitNo)                       # 显示单个 Unit 的属性

参数	类型	默认值	说明
Json	str	""	JSON 结构数据
Output	str	"./gpf.png"	输出图片路径
Relation / IsShowRelation	bool	False	是否显示关系
Grid / IsShowGrid	bool	True	是否显示网格
Unit	str	""	显示指定 Unit 的详情

ShowStructure(Json="", Img="./gpf.png")

显示结构（自动识别类型并调用对应的可视化方法）。

gpf.ShowStructure(json_str, "output.png")

ShowGrid(Img="./gpf.png", IsShowRel=False, IsShowGrid=True)

显示网格结构。

gpf.ShowGrid("output.png")                          # 仅网格
gpf.ShowGrid("output.png", IsShowRel=True)           # 网格 + 关系
gpf.ShowGrid("output.png", IsShowRel=True, IsShowGrid=False)  # 仅关系

说明：网格中的 Unit 按类型着色：

• Type=Char：灰色
• Type=Word：绿色
• Type=Phrase：浅蓝色
• Type=Chunk：金色

ShowUnit(Unit, Img="./gpf.png")

显示单个 Unit 的属性详情图。

gpf.ShowUnit(unitNo, "unit_detail.png")

ShowRelation(Img="./gpf.png")

显示关系图（等价于 ShowGrid(Img, IsShowRel=True, IsShowGrid=True)）。

gpf.ShowRelation("relations.png")

ShowTree(Json) / ShowSeq(Json) / ShowGraph(Json)

返回 DOT 脚本字符串（不直接生成文件）。

dot = gpf.ShowTree(json_str)    # 树结构 DOT（自上而下排列）
dot = gpf.ShowSeq(json_str)     # 序列结构 DOT（从左到右排列）
dot = gpf.ShowGraph(json_str)   # 图结构 DOT

返回值：str，Graphviz DOT 脚本。

ShowCloud(Json, Output)

生成词云图片。

gpf.ShowCloud('{"自然": 10, "语言": 8, "处理": 6}', "cloud.png")

参数	类型	说明
Json	str	JSON 格式的词频数据 {"词": 频率, ...}
Output	str	输出图片路径

4.14 其他方法

GetLog()

获取 GPF 日志。

log = gpf.GetLog()

返回值：dict，日志信息。

Reduce(From=0, To=-1, Head=-1)

归约操作，将指定范围的 Unit 归约为一个新 Unit。

unitNo = gpf.Reduce(From=0, To=5, Head=0)

参数	类型	默认值	说明
From	int	0	归约起始位置
To	int	-1	归约结束位置
Head	int	-1	中心词的 FSA 路径号

返回值：str，新 Unit 编号。

GPFInit()

手动初始化 GPF 数据（线程安全）。通常无需显式调用，GPF 方法内部会自动调用。

gpf.GPFInit()

GPFPersons()

致谢信息。

4.15 GPF 方法速查表

分类	方法	说明
NLP	Segment(text, table)	CRF 分词
	POS(text, table)	词性标注
	Parse(text, **Others)	统一解析接口
文本	SetText(text) / SetGridText(text)	设置文本
	GetText(begin, end) / GetGridText(begin, end)	获取文本
	GetGrid() / GetStructure()	获取网格结构
Unit	AddUnit(text, colNo)	添加 Unit
	AddUnitKV(unitNo, key, val)	添加 Unit 属性
	GetWord(unitNo)	获取 Unit 文本
	GetUnit(kv) / GetUnits(kv)	查找 Unit
	GetUnitKV(unitNo, key) / GetUnitKVs(unitNo, key)	获取 Unit 属性
	GetFSAUnit(pathNo)	按路径号获取 Unit
	IsUnit(unitNo, kv)	判断 Unit 属性
Relation	AddRelation(u1, u2, role)	添加关系
	AddRelationKV(u1, u2, role, key, val)	添加关系属性
	GetRelation(kv) / GetRelations(kv)	获取关系
	GetRelationKV(u1, u2, role, key) / GetRelationKVs(...)	获取关系属性
	IsRelation(u1, u2, role, kv)	判断关系
Grid KV	AddGridKV(key, val) / AddTextKV(key, val)	添加网格属性
	GetGridKV(key) / GetGridKVs(key) / GetTextKV(key)	获取网格属性
Table	SetTable(tableName)	设置当前表
	CallTable(tableName)	加载并设置表
	GetTable()	获取所有表名
	GetTableItem(tableName, kv) / GetItem(...)	获取表条目
	GetTableItems(tableName, kv)	获取表条目（带过滤）
	GetTableItemKV(...) / GetItemKV(...) / GetTableItemKVs(...)	获取条目属性
	IsTable(tableName, item, kv)	判断表/条目/属性
	GetSuffix(tableName, sentence)	后缀匹配
	GetPrefix(tableName, sentence)	前缀匹配
FSA	CallFSA(fsaName, **Others) / RunFSA(fsaName)	执行 FSA
	GetFSAParam(key) / GetParam(key)	获取 FSA 参数
	GetFSANode(tag) / GetNode(tag)	获取 FSA 节点
索引	IndexTable(filename)	索引 Table 文件
	IndexFSA(filename)	索引 FSA 文件
服务	CallService(sentence, name)	调用远程服务
	Dot2Img(dot, name)	Dot 转图片
	DotFile(dot_file, img_file)	Dot 文件转图片
	DotBuff(dot_data, img_file)	Dot 字符串转图片
结构添加	AddStructure(json) / AddGrid(json) / AddGridJS(json)	添加结构
	AddSeq(json)	添加序列
	AddTree(json)	添加树
	AddGraph(json)	添加图
可视化	Show(Json, **Others)	统一可视化
	ShowStructure(Json, Img)	显示结构
	ShowGrid(Img, IsShowRel, IsShowGrid)	显示网格
	ShowUnit(Unit, Img)	显示 Unit 详情
	ShowRelation(Img)	显示关系图
	ShowTree(Json) / ShowSeq(Json) / ShowGraph(Json)	返回 DOT 脚本
	ShowCloud(Json, Output)	词云
其他	GetLog()	获取日志
	Reduce(From, To, Head)	归约操作
	GPFInit()	手动初始化

---

5. BCC 类 — 语料库查询

BCC（BCC Corpus）提供语料库查询功能，支持词频统计、上下文检索和语料索引。

5.1 构造函数与初始化

from LangSC import BCC

bcc = BCC(dataPath="./data")

参数

参数	类型	默认值	说明
dataPath	str	"./data"	语料数据目录路径

说明

• 构造函数自动加载 bcclib 动态库
• 自动加载 BCC 配置文件（BCCconfig.txt）和 Lua 解析脚本（Parser.lua）
• 自动检测并索引语料数据（详见 5.2 自动索引机制）

5.2 自动索引机制

构造函数调用 _init_bcc_data(dataPath) 自动处理语料索引：

1. 检查 dataPath 中是否存在 IdxLog_BCC.txt
2. 若存在：已是索引目录，直接使用
3. 若不存在：视为原始语料目录
   • 扫描目录下的语料文件（排除 Table 和 FSA 格式）
   • 检查 dataPathIdx/ 是否存在且时间戳一致（避免重复索引）
   • 若需要索引，调用 IndexBCC 对所有语料文件建索引
   • 写入 IdxLog_BCC.txt 索引日志

5.3 语料查询

CallBCC(query)

执行原始 BCC 查询语句。

result = bcc.CallBCC("学习{}Freq(100,$Q,0)")
result = bcc.CallBCC("学习{}Context(20,0,100)")
result = bcc.CallBCC("学习{}Count()")

参数	类型	说明
query	str	BCC 查询语句

返回值：str，查询结果（JSON 格式字符串）。

查询语句格式：查询词{}操作(参数)

• Freq(数量, 目标字段, 上下文条数) — 词频统计
• Context(窗口大小, 页码, 条数) — 上下文检索
• Count() — 计数统计

说明

• 首次调用时自动初始化 BCC 引擎（线程安全）
• 若初始化失败且查询不含 "Lua"，返回 {}

RunBCC(Query, **Others)

高级查询接口，通过关键字参数构造查询语句。

# 词频查询（默认）
result = bcc.RunBCC("学习")

# 指定查询模式和参数
result = bcc.RunBCC("学习", Command="Freq", Number=200)
result = bcc.RunBCC("学习", Command="Context", WinSize=30, Number=100)
result = bcc.RunBCC("学习", Command="Count")

# 带逻辑运算
result = bcc.RunBCC("学习 AND 方法", Command="Freq")
result = bcc.RunBCC("学习 NOT 机器", Command="Freq")

# Lua 格式输出
result = bcc.RunBCC("学习", Command="Freq", Print="Lua")

完整参数列表

参数	类型	默认值	说明
Query	str	（必填）	查询词或查询表达式
Command / Output	str	"Freq"	查询模式："Freq" / "Context" / "Count" 或自定义命令
Number	int	100	返回条数上限
Target	str	"$Q"	目标字段标识符
WinSize	int	20	上下文窗口大小（Context 模式）
PageNo	int	0	分页页码（Context 模式）
Print	str	""	输出格式，"Lua" 为 Lua 脚本格式
Speedup	int	1	加速选项
ContextNum	int	0	上下文条数（Freq 模式附带上下文）

返回值：str，查询结果。

查询语句自动生成规则：

• 若 Query 不含 {}，自动追加 {}
• Freq 模式生成：Query{}Freq(Number, Target, ContextNum)
• Context 模式生成：Query{}Context(WinSize, PageNo, Number)
• Count 模式生成：Query{}Count()
• AND / NOT 运算符会在运算符位置插入操作

5.4 KV 操作

BCC 引擎维护一个全局键值存储，可在查询间传递上下文信息。

AddBCCKV(Key, Val)

添加键值对。

bcc.AddBCCKV("Filter", "新闻")
bcc.AddBCCKV("Tags", "人名;地名;机构名")  # 多值用分隔符

参数	类型	说明
Key	str	键名
Val	str	值（支持以空格、分号、逗号、制表符分隔的多值，会合并为分号分隔）

返回值：str，操作结果。

GetBCCKV(Key="") / GetBCCKVs(Key="")

获取键值。

val = bcc.GetBCCKV("Filter")     # 获取指定键
all_kvs = bcc.GetBCCKV()         # 获取全部键值
all_kvs = bcc.GetBCCKVs()        # 等价

参数	类型	默认值	说明
Key	str	""	键名（为空返回全部）

返回值：str，查询结果。

ClearBCCKV(Key="")

清空键值存储。

bcc.ClearBCCKV()

返回值：str，操作结果。

5.5 语料索引

IndexBCC(filelistname, **Others)

索引语料文件，支持多种输入格式。

# 1. 索引整个目录（递归扫描）
bcc.IndexBCC("/path/to/corpus_dir")

# 2. 索引文件列表文件（每行一个文件路径）
bcc.IndexBCC("/path/to/filelist.txt")

# 3. 索引单个文件
bcc.IndexBCC("/path/to/corpus.txt")

# 4. 索引 Python 列表
bcc.IndexBCC(["file1.txt", "file2.txt", "file3.txt"])

# 5. 指定索引结构
bcc.IndexBCC("/path/to/corpus", Structure="Segment")
bcc.IndexBCC("/path/to/corpus", Structure="HZ")

参数	类型	说明
filelistname	str 或 list	语料来源：目录路径、文件列表路径、单个文件路径或 Python 文件路径列表
Structure	str	索引结构："HZ"（默认，按汉字）、"Segment"（按分词）

返回值：int，操作状态码。

处理流程：

1. 若输入为目录：递归收集所有文件路径
2. 若输入为文件列表：直接读取
3. 若输入为 Python 列表：写入临时文件
4. 对每个文件检测是否为原始文本（非 Table/Doc 格式），若是则预处理为 Doc 格式
5. 检测文件编码，非 GBK 编码的文件自动转换
6. 调用 BCC_IndexBCC 构建索引

5.6 BCC 方法速查表

方法	说明
CallBCC(query)	执行原始查询
RunBCC(Query, **Others)	高级查询接口
AddBCCKV(Key, Val)	添加键值
GetBCCKV(Key) / GetBCCKVs(Key)	获取键值
ClearBCCKV()	清空键值
IndexBCC(filelistname, **Others)	索引语料

---

6. JSS 类 — JSON 结构检索

JSS（JSON Structure Search）提供对 JSON 格式数据的结构化检索能力，支持 SQL 风格查询语法和多表管理。

6.1 构造函数与初始化

from LangSC import JSS

jss = JSS(dataPath, log_level=0, log_filename='')

参数

参数	类型	默认值	说明
dataPath	str	（必填）	数据目录路径
log_level	int	0	日志级别（0=关闭）
log_filename	str	""	日志文件路径（空字符串=不写日志）

说明

• 构造函数自动加载 jsslib 动态库
• 使用 10MB 缓冲区（1024 * 1024 * 10 字节）
• 支持同时管理多个表，通过 self.handles 字典存储
• 析构函数（__del__）自动调用 Terminate() 释放资源，并卸载 DLL

6.2 自动索引机制

构造函数调用 _init_jss_data(dataPath) 自动处理索引：

步骤 1: 检查 dataPath/IdxLog_JSS.txt
         ├── 存在 → 已是索引目录 → 加载全部子目录中的表 → 完成
         └── 不存在 → 步骤 2

步骤 2: 扫描 dataPath 中的文件
         ├── 无文件 → 完成
         └── 有文件 → 步骤 3

步骤 3: 检查 dataPathIdx/IdxLog_JSS.txt
         ├── 存在且时间戳一致 → 从 dataPathIdx 加载 → 完成
         └── 不一致或不存在 → 步骤 4

步骤 4: 执行索引
         ├── 创建 dataPathIdx/ 目录
         ├── 扫描 *.json / *.jsonl 文件（跳过 cfg_* 前缀）
         ├── 查找对应的 cfg_<name>.txt（不存在则自动生成）
         ├── 为每个文件创建索引到 dataPathIdx/<name>/
         ├── 记录到 IdxLog_JSS.txt
         └── 加载全部表 → 完成

6.3 数据目录结构

原始数据目录（以 ./table 为例）：

./table/
├── ci.jsonl              # 原始数据（JSONL 格式，每行一条 JSON）
├── cfg_ci.txt            # ci 的配置文件（可选，缺失时自动生成）
├── audio.jsonl           # 另一张表
├── cfg_audio.txt         # audio 的配置文件（可选）
├── hunxiao.json          # 也支持 JSON 数组格式
└── (cfg_hunxiao.txt)     # 可选，缺失时自动生成

命名规则

• 数据文件：<name>.json 或 <name>.jsonl
• 配置文件：cfg_<name>.txt
• 以 cfg_ 开头的文件在扫描数据文件时会被跳过

索引后自动生成的目录：

./tableIdx/
├── IdxLog_JSS.txt        # 索引日志（记录已索引文件及时间戳）
├── ci/                   # ci 表的索引文件
│   ├── (索引数据文件...)
├── audio/                # audio 表的索引文件
│   ├── (索引数据文件...)
└── hunxiao/              # hunxiao 表的索引文件
    ├── (索引数据文件...)

6.4 cfg 配置文件格式

cfg 文件为 JSON 格式，定义表结构和索引策略。

示例（cfg_ci.txt）：

{
    "table_name": "ci",
    "record_format": "jsonl",
    "content": {
        "id": "id",
        "ci": "ci",
        "pos": "pos",
        "pinyin": "pinyin",
        "shiyi": "shiyi",
        "freq": "freq"
    },
    "index": {
        "number": ["id"],
        "kv": ["ci", "pos", "pinyin"],
        "affix": [],
        "bm25": ["shiyi"]
    }
}

字段详细说明

字段	类型	说明
table_name	string	表名，用于查询时的 FROM 子句
record_format	string	数据格式："jsonl"（每行一条 JSON 记录）或 "json"（JSON 数组）
content	object	字段映射。键为显示名，值为数据源字段名。数组类型字段需加 [] 后缀
index.number	array	数值索引字段列表，支持范围查询（>, <, >=, <=）
index.kv	array	键值索引字段列表，支持精确匹配查询（=）
index.affix	array	词缀索引字段列表，支持前后缀匹配
index.bm25	array	全文检索字段列表，支持 BM25 相关性排序

content 字段的数组映射

若原始数据中某字段为数组类型，映射时需加 [] 后缀：

// 原始数据记录
{"id": 1, "word": "测试", "tags": ["tag1", "tag2"]}

// content 配置
{
    "id": "id",
    "word": "word",
    "tags[]": "tags[]"
}

6.5 cfg 自动生成规则

当 cfg 文件缺失时，JSS 自动读取数据文件的首条记录推断 schema：

1. 读取首条记录

   • .jsonl 文件：读取第一行解析为 JSON
   • .json 文件：解析 JSON，若为数组取第一个元素，若为对象直接使用

2. 生成 content 映射

   • 遍历首条记录的所有字段
   • 普通字段（string, number, bool）：直接映射 "field": "field"
   • 数组字段（list）：加 [] 后缀 "field[]": "field[]"

3. 生成 index 配置

   • number：仅当字段名为 "id" 且值为整数或浮点数时加入
   • kv：所有字符串类型字段
   • affix：留空 []
   • bm25：留空 []

4. 写入文件

   • 保存到 cfg_<name>.txt，UTF-8 编码，4 空格缩进

示例

假设 books.jsonl 首条记录为：

{"id": 1, "title": "自然语言处理", "author": "张三", "price": 59.8, "tags": ["NLP", "AI"]}

自动生成的 cfg_books.txt：

{
    "table_name": "books",
    "record_format": "jsonl",
    "content": {
        "id": "id",
        "title": "title",
        "author": "author",
        "price": "price",
        "tags[]": "tags[]"
    },
    "index": {
        "number": ["id"],
        "kv": ["title", "author"],
        "affix": [],
        "bm25": []
    }
}

注意：price 字段虽为数值但不是 "id"，不会被加入 number 索引。若需要对 price 进行范围查询，应手动编写 cfg 文件并将 price 加入 number。

6.6 查询

RunJSS(sql_statement, table="")

执行 SQL 风格的查询。

# 单表时无需指定 table
results = jss.RunJSS("SELECT TOP 10 id, ci FROM ci WHERE pinyin = 'ai4';")

# 多表时通过 table 参数指定
results = jss.RunJSS("SELECT * FROM audio WHERE tags = 'pop';", table="audio")
results = jss.RunJSS("SELECT * FROM ci WHERE pos = 'n';", table="ci")

参数	类型	默认值	说明
sql_statement	str	（必填）	SQL 查询语句
table	str	""	指定查询的表名。为空时使用第一个已加载的表

返回值：list，查询结果列表。每个元素为一条记录（dict）。未初始化时返回 []。

SQL 语法

支持的子句：

子句	说明	示例
SELECT	指定返回字段（* 返回全部）	SELECT id, ci, pinyin
TOP n	限制返回条数	SELECT TOP 10 *
FROM	指定表名	FROM ci
WHERE	过滤条件	WHERE pos = 'n'
AND	条件与	WHERE pos = 'n' AND freq > 100
OR	条件或	WHERE pos = 'n' OR pos = 'v'

支持的运算符：

运算符	说明	适用索引类型
=	等于	kv, number
>	大于	number
<	小于	number
>=	大于等于	number
<=	小于等于	number

查询示例

# 精确匹配
results = jss.RunJSS("SELECT * FROM ci WHERE ci = '爱';")

# 范围查询（需要字段在 index.number 中）
results = jss.RunJSS("SELECT * FROM ci WHERE id > 100 AND id < 200;")

# 多条件
results = jss.RunJSS("SELECT id, ci, pos FROM ci WHERE pos = 'n' AND pinyin = 'ai4';")

# 限制返回数量
results = jss.RunJSS("SELECT TOP 5 * FROM ci WHERE pos = 'v';")

# 遍历结果
for row in results:
    print(row['id'], row['ci'], row.get('pinyin', ''))

6.7 资源释放

Terminate()

释放所有已加载表的句柄。

jss.Terminate()

说明

• 遍历 self.handles 中所有句柄，逐一调用 JL_Terminate
• 清空句柄字典并重置 is_init 为 False
• 析构函数 __del__ 中会自动调用，但建议显式调用以确保资源及时释放

6.8 JSS 方法速查表

方法	说明
JSS(dataPath, log_level, log_filename)	构造函数，自动索引+加载
RunJSS(sql_statement, table)	SQL 查询
Terminate()	释放资源

---

7. 完整示例

7.1 GPF 分词与词性标注

from LangSC import GPF

gpf = GPF("./data")

# 分词
seg = gpf.Parse("自然语言处理是人工智能的重要方向", Structure="Segment")
print(seg)  # ["自然", "语言", "处理", "是", "人工", "智能", "的", "重要", "方向"]

# 词性标注
pos = gpf.Parse("自然语言处理是人工智能的重要方向", Structure="POS")
print(pos)  # ["自然/b", "语言/n", "处理/v", "是/v", ...]

# 带用户词表的分词
gpf.CallTable("myDict")
seg = gpf.Segment("自然语言处理", table="myDict")
print(seg)

7.2 GPF 网格操作与关系构建

from LangSC import GPF

gpf = GPF("./data")
gpf.SetText("我喜欢北京")

# 添加 Unit
u1 = gpf.AddUnit("我")
u2 = gpf.AddUnit("喜欢")
u3 = gpf.AddUnit("北京")

# 添加属性
gpf.AddUnitKV(u1, "POS", "r")
gpf.AddUnitKV(u2, "POS", "v")
gpf.AddUnitKV(u3, "POS", "ns")

# 添加关系
gpf.AddRelation(u2, u1, "SBJ")   # 喜欢 → 我（主语）
gpf.AddRelation(u2, u3, "OBJ")   # 喜欢 → 北京（宾语）

# 获取网格
grid = gpf.GetGrid()
print(grid)

# 可视化
gpf.Show(Output="result.png", Relation=True)

7.3 GPF 结构可视化

from LangSC import GPF
import json

gpf = GPF("./data")

# 可视化序列（分词结果）
seq = '["自然/b", "语言/n", "处理/v", "是/v", "重要/a", "方向/n"]'
gpf.ShowStructure(seq, "seq.png")

# 可视化树结构
tree = json.dumps({"S": {"NP": ["自然", "语言"], "VP": ["处理"]}})
gpf.ShowStructure(tree, "tree.png")

# 可视化图结构
graph = json.dumps([["喜欢", "我", "SBJ"], ["喜欢", "北京", "OBJ"]])
gpf.ShowStructure(graph, "graph.png")

# 可视化词云
cloud = json.dumps({"自然": 10, "语言": 8, "处理": 6, "智能": 5, "学习": 4})
gpf.ShowCloud(cloud, "cloud.png")

7.4 GPF Table 查询

from LangSC import GPF

gpf = GPF("./data")

# 加载词表
gpf.CallTable("CiDian")

# 查询表中的条目
items = gpf.GetTableItem("CiDian")
print("表中条目数:", len(items))

# 查询指定条目的属性
kvs = gpf.GetTableItemKV("CiDian", "天气")
print(kvs)

# 前缀匹配
prefix = gpf.GetPrefix("CiDian", "自然语言处理")
print("前缀匹配:", prefix)

# 判断条目存在性
if gpf.IsTable("CiDian", "天气"):
    print("天气 在词典中")

7.5 GPF FSA 规则执行

from LangSC import GPF

gpf = GPF("./data")
gpf.SetGridText("张三是北京大学的教授")

# 执行 FSA 规则
gpf.CallFSA("PersonRecognize", Input="张三是北京大学的教授")

# 获取匹配结果
result = gpf.GetFSAParam("Result")
print(result)

7.6 BCC 语料查询

from LangSC import BCC

bcc = BCC("./corpus")

# 词频统计
freq = bcc.RunBCC("学习", Command="Freq", Number=50)
print("词频结果:", freq)

# 上下文检索
ctx = bcc.RunBCC("学习", Command="Context", WinSize=30, Number=20)
print("上下文:", ctx)

# 计数
count = bcc.RunBCC("学习", Command="Count")
print("总频次:", count)

# 复合查询
result = bcc.RunBCC("学习 AND 方法", Command="Freq", Number=20)
print("AND 查询:", result)

7.7 BCC 语料索引

from LangSC import BCC

bcc = BCC("./corpus_idx")

# 索引整个目录
bcc.IndexBCC("./raw_corpus/")

# 索引文件列表
bcc.IndexBCC("./filelist.txt")

# 索引 Python 列表
files = ["./doc1.txt", "./doc2.txt", "./doc3.txt"]
bcc.IndexBCC(files)

# 以分词模式索引
bcc.IndexBCC("./raw_corpus/", Structure="Segment")

7.8 JSS 数据检索

from LangSC import JSS

# 自动索引 + 加载（首次会自动建索引，之后直接加载）
jss = JSS("./table")

# 查询
results = jss.RunJSS("SELECT TOP 5 id, ci, pinyin FROM ci WHERE ci = '爱';")
for row in results:
    print(f"id={row['id']}, ci={row['ci']}, pinyin={row['pinyin']}")

# 多表查询
audio_results = jss.RunJSS("SELECT * FROM audio WHERE tags = 'pop';", table="audio")
ci_results = jss.RunJSS("SELECT * FROM ci WHERE pos = 'n';", table="ci")

# 范围查询
results = jss.RunJSS("SELECT * FROM ci WHERE id >= 100 AND id <= 200;")

# 清理
jss.Terminate()

7.9 JSS 手动编写 cfg

import json

# 为 products.jsonl 编写 cfg，包含价格范围查询和描述全文检索
cfg = {
    "table_name": "products",
    "record_format": "jsonl",
    "content": {
        "id": "id",
        "name": "name",
        "category": "category",
        "price": "price",
        "description": "description",
        "tags[]": "tags[]"
    },
    "index": {
        "number": ["id", "price"],          # 支持 id 和 price 的范围查询
        "kv": ["name", "category"],          # 支持 name 和 category 的精确匹配
        "affix": ["name"],                   # 支持 name 的前后缀匹配
        "bm25": ["description"]              # 支持 description 的全文检索
    }
}

with open("./table/cfg_products.txt", "w", encoding="utf-8") as f:
    json.dump(cfg, f, indent=4, ensure_ascii=False)

# 然后使用 JSS 加载
from LangSC import JSS
jss = JSS("./table")
results = jss.RunJSS("SELECT * FROM products WHERE price < 100;", table="products")

---

8. 数据文件格式说明

8.1 GPF Table 文件格式

Table 文件是纯文本格式，以 Table <表名> 开头，每行一个条目及其属性：

Table CiDian
天气
  POS n
  拼音 tianqi
北京
  POS ns
  类型 地名

8.2 GPF FSA 文件格式

FSA 文件以 FSA <规则名> 开头，定义状态转换规则：

FSA PersonRecognize
State Start
  Transition ...

8.3 BCC 语料文件格式

BCC 支持两种格式：

Doc 格式（结构化）：

Doc 文档名
Item:这 是 第 一 句
Item:这 是 第 二 句

原始文本格式：纯文本，IndexBCC 会自动预处理为 Doc 格式（按句号分句，每个字用空格分隔）。

8.4 JSS 数据文件格式

JSONL 格式（*.jsonl）：每行一条 JSON 记录

{"id": 1, "ci": "爱", "pos": "v", "pinyin": "ai4"}
{"id": 2, "ci": "被", "pos": "p", "pinyin": "bei4"}

JSON 格式（*.json）：JSON 数组

[
    {"id": 1, "ci": "爱", "pos": "v", "pinyin": "ai4"},
    {"id": 2, "ci": "被", "pos": "p", "pinyin": "bei4"}
]

---

9. 平台与依赖

9.1 动态库

平台	GPF 库	BCC 库	JSS 库
Windows	gpflib.dll	bcclib.dll	jsslib.dll
Linux	libgpflib.so	libbcclib.so	libjsslib.so
macOS	libgpflib.dylib	libbcclib.dylib	libjsslib.dylib

9.2 包内数据文件

文件	所属类	用途
GPFconfig.txt	GPF	GPF 引擎配置
Segment.dat	GPF	CRF 分词模型
idxPOS.dat	GPF	词性标注数据
BCCconfig.txt	BCC	BCC 引擎配置
Parser.lua	BCC	Lua 查询解析脚本
base.lex	JSS	分词词典（用于 affix/bm25 索引）
Graph/dot	GPF	Graphviz DOT 工具（可视化）

9.3 线程安全

GPF 和 BCC 的初始化操作使用 threading.Lock() 保护，确保多线程环境下不会重复初始化：

全局状态	所属类	说明
IsCRFInit	GPF	CRF 分词模型初始化状态
IsPOSInit	GPF	POS 词性标注数据初始化状态
IsGPFInit	GPF	GPF 数据初始化状态
IsBCCInit	BCC	BCC 引擎初始化状态

9.4 索引日志文件

每个类使用独立的索引日志文件，避免并发冲突：

日志文件	所属类	存放位置
IdxLog_GPF.txt	GPF	dataPath 或 dataPathIdx/
IdxLog_BCC.txt	BCC	dataPath 或 dataPathIdx/
IdxLog_JSS.txt	JSS	dataPath 或 dataPathIdx/

日志格式为 TSV（制表符分隔）：

文件名\t时间戳1\t时间戳2

---

10. 参考文献

说明文档及使用示例：http://gpf.blcu.edu.cn

荀恩东. 自然语言结构计算——GPF结构分析框架 [M]. 北京: 人民邮电出版社. 2022