自动提取文章摘要AutoSummary

　　在文本搜索引擎项目中，需要对已排序的文章进行摘要提取，然后与标题，路径一起封装成Json数据返回客户端。因此这里我自己写一个自动摘要，来大概完成这个任务。在自动摘要提取过程中，使用了一个分词库：CppJieba分词库。因此在头文件中包含了头文件 “Application.hpp”。

思路：

　　1、对文章提取关键字。通常，关键字能够代表这篇文章的所描述的内容。因此使用CppJieba分词库中“Application.hpp”中api  extract()进行关键字提取。我提取的是前50个，若文章关键字不够50个则取实际个数。关键字的结果已经按照权重的顺序排序好。

　　2、把文章拆分成句子。这里是只对中文进行处理（英文道理也一样），当遇到句号‘  。’，问号‘ ？ ’，感叹号‘ ！ ’，算一句话。把每一句话按顺序保存到vector<string>类型的数组sentences中。

　　3、遍历关键字数组，对每一个关键字在每一个句子中查找包含该关键字的第一个句子，并把该句子加入到vector<string>类型的数组summary中。

　　4、若遍历到达关键字上限或者句子数量到达上限，跳出循环。

　　5、将数组summary中的句子按顺序拼接从摘要。

代码如下：

 #ifndef _AUTOSUMMERY_HPP
 #define _AUTOSUMMERY_HPP
 #include"../src/Statistics/src/Application.hpp"
 #include <string>
 #include<set>
 #include <utility>
 #include<vector>
 #include<iostream>
 #include<functional>
 using namespace std;
 using namespace CppJieba;
 class AutoSummary
 {
     public:
         AutoSummary(Application &app,int maxSentenceNum=)//初始化一个自动摘要对象
             :maxSentenceNum_(maxSentenceNum),
             app_(app)
         {}

         //自动提取摘要
         string summarizer(string & originTxt,int KEYNUM=)
         {
             vector<pair<string,double> > keywords;
             app_.extract(originTxt,keywords,KEYNUM);    //取文章的前50个关键词，按权重排序
             vector<string> sentences;            //装载句子的数组
             getSentences(originTxt,sentences);        //把文章拆分成句子
             int sentencesNum = sentences.size();        //句子的数量
             vector<string> summaryRet;                    //装包含关键字的句子
             set<int> summarySet;                        //句子去重
             set<int>::iterator it;
             KEYNUM = keywords.size();//如果关键字数量小于50则取实际的数量
             for(int i = ;i<KEYNUM;i++)
             {
                 for(int j = ;j<sentencesNum;j++)
                 {
                     int pos = sentences[j].find(keywords[i].first,);
                     if(pos!=string::npos)
                     {
                         it = summarySet.find(pos);
                         if(it==summarySet.end())
                         {
                             summaryRet.push_back(sentences[j]);//向数组添加句子
                             summarySet.insert(j);
                             break;    //跳出循环，找下一个关键字
                         }
                     }
                 }
                 //跳出循环的条件
                 if(summaryRet.size()>maxSentenceNum_||summaryRet.size()>=sentencesNum)
                     break;
             }
             string summaryStr;
             int i = ;
             int num  = summaryRet.size();
             while(i<num)
             {
                 summaryStr = summaryStr + sentences[i]+"……";
                 i++;
             }

             return summaryStr;
         }

     private:
         //将文章拆分成句子，私有成员函数，在summarizer()中调用
         void getSentences(const string &originTxt,vector<string> &sentenceVec)
         {
             int beg=,end=,pos=,pos1=;
             int txtSize = originTxt.size();
             while(beg<txtSize&&pos!=string::npos)
             {
                 if((pos=originTxt.find("。",beg))!=string::npos)
                 {
                     if((pos1=originTxt.find("？",beg))!=string::npos)
                     {
                         pos=((pos<pos1)?pos:pos1);
                         if((pos1=originTxt.find("！",beg))!=string::npos)
                         {
                             pos=((pos<pos1)?pos:pos1);
                         }

                     }
                     else if((pos1=originTxt.find("！",beg))!=string::npos)
                     {
                         pos=((pos<pos1)?pos:pos1);
                     }
                 }
                 else if((pos=originTxt.find("？",beg))!=string::npos)
                 {
                     if((pos1=originTxt.find("！",beg))!=string::npos)
                     {
                         pos=((pos<pos1)?pos:pos1);
                     }

                 }
                 else if((pos1=originTxt.find("！",beg))!=string::npos)
                 {
                     pos = pos1;
                 }
                 else
                 {
                     break;
                 }
                 if(pos!=-)
                 {
                     int len = pos-beg;
                     string sentence(originTxt.substr(beg,len));
                     sentenceVec.push_back(sentence);
                     beg = pos+;
                 }
             }
         }

     private:
         Application & app_;//分词库的引用
         int maxSentenceNum_;//摘要中的句子数目，由外部传进。
 };
 #endif

参考：http://www.ruanyifeng.com/blog/2013/03/automatic_summarization.html