最近发现新浪SAE平台上竟然也提供分词功能，分词效果也还不错，由新浪爱问提供的分词服务，研究了一番，做了一个简易版的在线调用接口（get方式，非post）

官网说明：http://apidoc.sinaapp.com/class-SaeSegment.html，SAE分词系统基于隐马模型开发出的汉语分析系統，主要功能包括中文分词、词性标注、命名实体识别、新词识别。

调用规则：http://simonfenci.sinaapp.com/index.php?key=simon&wd={语句}

（返回结果里包含分词词性，随便用个程序语言处理一下就行了，详见：http://apidoc.sinaapp.com/class-SaeSegment.html#POSTAG_ID_UNKNOW）

只需要改变URL中的{语句}参数即可(编码为utf-8)，因为是get方式传参，语句不能太长；也可以根据官方的api文档，做个简易的post方式。

另推荐几个分词系统：

1、Python的结巴中文分词系统（推荐），demo：http://jiebademo.ap01.aws.af.cm/ ，下载地址：https://github.com/fxsjy/jieba

2、中科院ICTCLAS中文分词系统，支持C/C#/C++/JAVA,32/64都有其对应的版本，有开发能力的可以尝试一下。

3、海量云分词系统demo ，分词效果也不错，可以申请到api接口，官网：http://www.hylanda.com/show_5_19.html

推荐阅读：

Continue Reading

最近很多工具的百度指数都无法获取了，百度也变更了请求方式，无论是否更换登录账号，单个ip连续查询一定会遇到查询繁忙的提示（连续查询100多个词的情况下），想要获取更多的数据，不仅要换账号还要换ip，需要代理ip，采集成本变高。

目前斗牛百度指数批量查询工具V3.3已推出，继续免费使用，可查询200个词的百度指数；新版本已添加云数据获取。包含：百度指数、百度搜索量、收录量、优化难度等功能，可加QQ群：145876858 获取解压密码！

公告：2023年1月更新：本工具已全面升级，数据100%精准，可直接到淘宝店铺购买（一年不到100，买不了吃亏买不了上当），→购买入口

——————————更新——————————————

更新日志：
2023年1月更新：
全选版本已升级，请看置顶公告。

2014年2月26日:
更新至V3.3
1、修复关键词中有空格，不能查询的bug
2、添加云数据获取，支持百度指数、百度搜索量、收录量、优化难度等数据
3、支持批量提取，目前限制为200个词，注意设置好查询间隔时间。
4、支持查询过程中，暂停、恢复、停止等操作，便于控制。

2014年2月19日：
1、重写代码，获取的百度指数是该词的周平均值。
2、支持自动识别验证码，不过准确率测试中。
3、目前为beta测试版，下个版本计划添加上云数据读取，不再从本地获取数据。

2014年1月9日：
百度更改加密算法，此版本暂不可用，请等待下次版本更新，
已注册用户注册码依然有效。

开发手记：这个工具开发可谓非常纠结。。。刚开始是百度的加密算法，然后是验证码问题，好不容易做了OCR字库，能够自动识别验证码了，可单个账号连续查询还是会遇到“查询繁忙的提示”，无奈只能放弃验证码识别方式；之后添加了多账号登陆功能，然后顺便做了个百度账号的cookies批量采集工具，最后是各种异常情况的判断、以及各个细节的优化、添加注册码验证机制、自动检测更新机制等等工作，搞了有3-4天了，累死。。。软件并没有采用多线程，因为发现数据查询速度在可接受范围内，也不是太慢，如果太快了，我怕封号速度也太快了（目前未发现有封号现象，只是隔一段时间不能查询）。。

目前经过测试，一个账号连续查询几十个词左右会出验证码，软件会自动识别验证码并提交，且会换cookies，账号最好多添加几个，这样就能连续查询了，账号越多越安全。如果你发现软件在不停的换cookies，说明你的cookies太少了，不够用，要添加多些。百度账号可以淘宝购买，1元几十个吧，注意买那些已经验证过邮箱的账号，别买了一堆未验证的账号，这些号是登陆不了的（我试验过了）

软件特色：

1、数据源来自百度官方指数，支持多关键词批量获取

2、目前支持200个关键词的查询，另账号cookies最好自己多准备几个，可通过软件里的获取器来提取cookies。

3、支持多账号cookies批量采集功能，软件会轮换使用cookies：即当一个账号采集失败时，会自动换下一个号采集，总体是循环使用的，所以需要账号越多越好，cookies越多，采集越多。轮换逻辑是1→2→3→n→1→2→3→n的节奏。。

4、软件操作简单，运行软件前，请先保证同目录下的cookies.txt文件中有cookies，下载包里提供了5个cookies，你用自己的号来提取吧。

软件截图：

多账号cookies批量提取器：(操作很简单）

操作说明：（导入账号请不要少于3个号，否则导入失败。。。）

1、先导入预先准备好的账号密码，一行一个号，格式为：账号XXX—-密码XXX，中间分隔符可以自己定义，软件里可设置

2、点击“开始提取”，批量登录账号并采集cookies，如果登录异常比较多，请增加提取的时间间隔，毕竟百度也是有限制的，慢点提取，这个可以挂机采的，几十个号一会儿就采集完了。

3、之后导出cookies ，软件会自动过滤无效的cookies，只保存有效的，到本地cookies.txt文件中

Continue Reading