com.ecfront:keyword-extract

== URL关键词提取

image::https://img.shields.io/travis/gudaoxuri/keyword-extract.svg[link="https://travis-ci.org/gudaoxuri/keyword-extract"] image:https://api.codacy.com/project/badge/Grade/f2fc8d2aa9594a0bae6e2a445caa56db["Codacy code quality", link="https://www.codacy.com/app/gudaoxuri/keyword-extract?utm_source=github.com&utm_medium=referral&utm_content=gudaoxuri/keyword-extract&utm_campaign=Badge_Grade"] image:https://img.shields.io/badge/license-ASF2-blue.svg["Apache License 2",link="https://www.apache.org/licenses/LICENSE-2.0.txt"] image:https://maven-badges.herokuapp.com/maven-central/com.ecfront/keyword-extract/badge.svg["Maven Central",link="https://maven-badges.herokuapp.com/maven-central/com.ecfront/keyword-extract/"]

单文件、无三方依赖、支持在线规则升级、非标准协议的URL关键词提取工具。

=== 使用

[source,xml]

com.ecfront keyword-extract 1.6 ----

[source,java]

// 关键词提取 KeyWordExtract.Result result = KeyWordExtract.extract(url);

// 使用在线规则 KeyWordExtract.loadOnlineRules("https://raw.githubusercontent.com/gudaoxuri/keyword-extract/master/src/main/resources/kwe-rules.txt");

=== 规则配置说明

本地规则文件默认已打到jar中，如要修改可在classpath根目录中创建kwe-rules.txt文件，此文件会覆盖默认规则。

使用在线规则会覆盖自定义规则。

一行一条规则，配置项以|分隔

规则分一般规则和自定义规则，后者使用js代码处理

一般规则

<名称>||<关键字所在位置，query:查询条件中，path:url路径中>|<对于query位置指定关键字的key，对于path位置指定以/分隔的偏移量>|<解码方式，目前只支持decodeURI,空>|<编码>

e.g. :

百度|www.baidu.com|query|wd|decodeURI|UTF-8 搜狗微信|weixin.sogou.com|query|query|encodeURI|UTF-8 苏宁|search.suning.com|path|0|decodeURI|UTF-8

自定义规则

<名称>||<js代码，入参为uri，返回值为result>

e.g. :

微博|s.weibo.com|var uri = decodeURI(decodeURI(uri)); var kv = uri.split("/")[2]; result = kv.split("&Refer=")[0];

自定义协议支持

app://app1/somepath?q=URL关键词提取 custom://custom1/somepath?q=URL关键词提取