根据你提供的仓库文件结构(包含古文分词、实体分析、桃花源记示例等),我为你撰写了一份专业的 README.md。它假设该项目是一个中医古籍(医经)文本处理与实体分析的 Python 工具库。

"启兹"取自"启典探源,兹于医经",旨在为中医古籍数字化与自然语言处理提供基础工具。

这是一个用于处理中医古籍(医经)文本的 Python 工具包。项目提供了古籍文本的分词、实体分析、术语提取等基础 NLP 功能,并包含针对《桃花源记》的示例分析流程,可作为中医文献数字化研究的代码基础。

qizi/
├── .vscode/ # VSCode 开发配置
├── __pycache__/
├── ancient_chinese.txt # 原始古籍文本语料
├── ancient_text_segmented.txt # 分词后的文本
├── evaluation_results.csv # 模型评估结果
├── process.py # 主处理脚本(文本清洗、分词、分析)
├── spacy_jieba.py # 分词与 NLP 处理模块(集成 Jieba/Jieba)
├── taohuayuan_analysis.csv # 《桃花源记》文本分析结果
├── taohuayuan_entities.csv # 《桃花源记》实体提取结果
└── test.py # 单元测试/功能测试脚本

• Python: 3.8+
• 核心依赖:
  • jieba (中文分词)
  • spacy (可选,用于高级 NLP 管道)
  • pandas (数据处理)

1. 克隆仓库

   git clone https://github.com/zzz1280/qizi.git
   cd qizi

2. 安装依赖

   pip install -r requirements.txt
   # 若无 requirements.txt,可手动安装:
   pip install jieba pandas

3. 运行示例(处理《桃花源记》)

   python process.py

   此命令将读取 ancient_chinese.txt,执行分词与实体分析,并生成 taohuayuan_analysis.csv 等结果文件。

修改 process.py 中的输入文件路径,或直接调用 spacy_jieba.py 中的函数处理你的古籍文本:

from spacy_jieba import process_text
text = "你的中医古籍原文..."
results = process_text(text)

• 古籍分词: 针对古文特性优化的分词模块(基于 Jieba 与自定义词典)。
• 实体分析: 提取并统计文本中的人名、地名、方剂名等实体。
• 数据导出: 支持将分词结果、实体统计导出为 CSV 格式,便于后续研究。
• 示例数据: 包含《桃花源记》的完整分析流程,作为项目使用范例。

欢迎提交 Issue 和 Pull Request 来完善分词词典或增加新的古籍处理功能。

本项目采用 MIT 许可证。详见 LICENSE 文件。

学术用途说明: 本项目代码可用于中医古籍数字化、中医文献信息学、古文 NLP 等相关研究,请合理引用。