首页
/ Chonkie项目v1.0.3版本发布:新增可视化工具与多语言分块支持

Chonkie项目v1.0.3版本发布:新增可视化工具与多语言分块支持

2025-07-07 12:20:52作者:庞队千Virginia

Chonkie是一个专注于文本分块处理的Python库,旨在为开发者提供高效、灵活的文本分块解决方案。在最新发布的v1.0.3版本中,Chonkie带来了两项重要功能更新:全新的可视化工具Visualizer和多语言分块支持Recipes,同时对核心分块器进行了性能优化。

可视化工具Visualizer

新加入的Visualizer工具为文本分块过程提供了直观的可视化反馈,极大提升了开发者调试和分析分块结果的效率。这个工具支持两种输出方式:

  1. 终端输出:通过print方法直接在终端显示带有高亮标记的分块结果
  2. HTML保存:将分块结果保存为HTML文件,便于分享和进一步分析

使用Visualizer非常简单,只需几行代码即可实现分块结果的可视化:

from chonkie import Visualizer

viz = Visualizer()
viz.print(chunks)  # 在终端打印彩色分块结果
viz.save("result.html", chunks)  # 保存为HTML文件

可视化效果清晰展示了不同层级的分块结构,帮助开发者快速识别分块质量,特别适合调试复杂的分块规则和验证分块效果。

多语言分块支持Recipes

v1.0.3版本引入了Recipes概念,为不同语言和文档类型提供了开箱即用的分块配置。目前支持的语言包括:

  • 英语(en)
  • 印地语(hi)
  • 中文(zh)
  • 日语(jp)
  • 韩语(ko)

同时支持Markdown文档的特殊分块处理。使用Recipes可以简化分块器的初始化过程:

from chonkie import RecursiveChunker

# 初始化Markdown文档分块器
markdown_chunker = RecursiveChunker.from_recipe("markdown", lang="en")

# 初始化印地语文本分块器
hindi_chunker = RecursiveChunker.from_recipe(lang="hi")

这一特性极大降低了处理多语言文本时的配置复杂度,开发者无需手动设置各种语言特有的分界符和规则。

性能优化

v1.0.3版本还对核心组件进行了多项性能改进:

  1. RecursiveChunker:重构了索引查找逻辑,移除了低效的.find操作,提升了分块速度
  2. SentenceChunker:移除了估计和反馈机制,简化了处理流程
  3. WordTokenizer:修正了count_tokens方法的实现,现在使用更高效的.tokenize而非.encode

这些优化使得Chonkie在处理大规模文本时表现更加出色,特别是在递归分块和句子分块场景下。

其他改进

  • 修复了RecursiveRules.from_dict()方法中因.pop操作导致的KeyError问题
  • 解决了RecursiveChunker中空格处理不完整的问题,确保文本重构的准确性
  • 完善了包结构,确保所有模块都能正确导入

Chonkie v1.0.3版本的这些更新显著提升了库的易用性和功能性,特别是可视化工具和多语言支持的加入,使得文本分块处理变得更加直观和便捷。对于需要处理多语言内容或复杂文档结构的开发者来说,这些新特性将大大提高工作效率。

登录后查看全文
热门项目推荐

热门内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
263
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
871
515
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
130
184
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
345
378
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K
harmony-utilsharmony-utils
harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
30
0
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0
kernelkernel
deepin linux kernel
C
22
5
WxJavaWxJava
微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58