切詞功能 幫你找到適合的標籤
最近寫文發現會遇到一個問題，就是每篇文章都需要下標籤（Tags），有時會不知道要下哪些，或是這個詞是不是大家比較常搜尋的關鍵字。WordPress 會把每個標籤獨立成一頁，所以想把標籤盡量設成跟關鍵字有關，以利 SEO。
這幾天有朋友在問切詞工具的事，才發現原來有切詞的套件可以用，就是把文字丟進去，他就會回傳這些文字裡出現的關鍵字是什麼，也會照著關鍵字的權重來排列。
本篇筆記用的是這套：NodeJieba “结巴”分词的 Node.js 版本
會選它的原因是因為，Google 來 Google 去就是找到這套，星星數也算多，應該是蠻實用的。
結巴 Jieba 基本使用
結巴這套切詞工具，有多種程式語言版本，因為後端的部份 August 主要用 Node.js，所以就選用 Node Jieba。
先輸入指令安裝：
npm install nodejieba接著 require 後就可以開始使用了：
const nodejieba = require('nodejieba');文件說明結巴的切詞有分為幾種，範例使用了以下：
const txt = 'August, 前端工程師的學習筆記。希望可以幫上你的忙，也閃掉我曾踩過的坑。'; const result1 = nodejieba.cut(txt); // 切詞 const result2 = nodejieba.cut(txt, true); // 切詞 + 精準模式 const result3 = nodejieba.extract(txt, max); // 關鍵字抽取。 max：Number 最多顯示幾筆
讀出來的結果如下圖：
文件上說還可以加上字典，像這樣：
nodejieba.load({
userDict: './test/testdata/userdict.utf8',
});另外也提供了默認的字典介紹：
nodejieba.load({
// 主詞典，帶權重和詞性標籤，建議使用替代詞典。
dict: nodejieba.DEFAULT_DICT,
// 隱式馬爾科夫模型，建議使用替代字典。
hmmDict: nodejieba.DEFAULT_HMM_DICT,
// 用戶詞典，建議自己根據需要定制。
userDict: './test/testdata/userdict.utf8',
// 關鍵詞抽取所需的idf信息。
idfDict: nodejieba.DEFAULT_IDF_DICT,
// 關鍵詞撤除所需的終止詞列表。
stopWordDict: nodejieba.DEFAULT_STOP_WORD_DICT,
});關於字典的說明，應該就是切詞的大宇宙了，看不太出來背後的意思。
本篇會實作的是 jieba.extract這個，它會回傳像關鍵字列表的陣列，並且依照權重排序，就是這一段：
切詞功能實際應用
因為之後想優化的是下標籤的部份，所以實作一個功能，就是查某篇網址底下內文中的關鍵字。步驟如下：
- 網址帶入一個參數
url，如：https://xxxxx.xxx.xx/tags?url=要抓關鍵字的網址 - 抓 url 的值，寫一隻爬蟲去爬內文。
- 把爬到的內文存成 string，丟給結巴去取出關鍵字。
因為是用 Node.js 的，所以可以寫在本機，或是放在 Google Cloud Platform 上。
如何在 GCP 上放 Node.js 的檔案可參考這篇：用 Google Cloud Platform（GCP）建 Node.js 網站
引用的套件有：express、axios、cheerio、nodejieba。
因為必須等爬蟲爬完，回傳了關鍵字後再 send 到頁面上，所以用的是 Async 的寫法，如果對 Async 還不太熟的話可參考這篇：Promise, Async, Await 基本使用筆記
最後完成的 code 如下：
最後先拿本機來測試，輸入網址：
http://localhost:8080/tags?url=https://letswrite.tw/promise-async-await/就會看到結果了：
呵呵，竟然切了一個 XXX 出來，但 Promise、async、await 確實是文章裡最常出現的，可以當個參考。
參考資料
結巴 Jieba 的 GitHub：nodejieba
結巴 Jieba 的 NPM：nodejieba
