事实:采集的文章和关键词不符，看完你就知道怎么下手了

　　事实:采集的文章和关键词不符，看完你就知道怎么下手了

　　采集的文章和关键词不符，看完你就知道怎么下手了。

　　哈哈，因为jieba的处理的是token-classhash组合，所以文章不对，返回值就不对。

　　我们正在写jieba的源码学习中，用c++写的。真心不建议用cat+sort+distinct。简单些，上面的函数写起来也简单。我们是使用的是std::list类。jieba自带的sort和sort_distinct多了两个参数，sort_distinctt_sorted,t_sorted_list。完全可以对文章按标题排序。jieba这种把标题和实体拆分成二元组才做的方法简直就是bullshit。

　　楼主提问前可以尝试自己再思考一下么？这不是写代码，这是做产品。

　　遇到这种情况该怎么做？知乎已经不能问问题了么？

　　还是找学校反馈一下

　　换个网站搜索看看。

　　对这个问题，

　　这样的情况你可以这样考虑，首先词典搜索，文本不是字典格式的话可以尝试通过词典排序排除。好的方案肯定是最经济的。需要考虑的是这个文本是否有丰富的转换工具，