2021SC@SDUSC
源码：
def load_userdict(self, f):'''Load personalized dict to improve detect rate.Parameter:- f : A plain text file contains words and their ocurrences.Can be a file-like object, or the path of the dictionary file,whose encoding must be utf-8.Structure of dict file:word1 freq1 word_type1word2 freq2 word_type2...Word type may be ignored'''self.check_initialized()if isinstance(f, string_types):f_name = ff = open(f, 'rb')else:f_name = resolve_filename(f)
#===================================================================================for lineno, ln in enumerate(f, 1):line = ln.strip()if not isinstance(line, text_type):try:line = line.decode('utf-8').lstrip('\ufeff')except UnicodeDecodeError:raise ValueError('dictionary file %s must be utf-8' % f_name)if not line:continue# match won't be None because there's at least one characterword, freq, tag = re_userdict.match(line).groups()if freq is not None:freq = freq.strip()if tag is not None:tag = tag.strip()self.add_word(word, freq, tag)load_userdict()适用于用户需要添加大量自定义词汇的情况，
此时需要将词汇以 word freq word_type 的形式每行一个存储在文件中。
然后使用该方法读取文件
开始用于监测字典是否已经加载，该方法：
def check_initialized(self):if not self.initialized:self.initialize()首个if else语句用于判断传入实参的类型（只能是文件或者文件的url），如果是文件的url，使用open（）函数打开文件；如果是文件，则使用reslove_file()函数进行处理，reslove_file源码：
def resolve_filename(f):try:return f.nameexcept AttributeError:return repr(f)for 循环中，enumerate（）用于遍历可迭代的对象， enumerate(sequence[,start = 0])可以遍历sequence ，获得返回值（index,subsequence）,start 的值为下标开始的值。详情
获得下标和每一行的值后，进行左右删减（去掉空格）
如果 line 不是 str类型，使用 utf-8 编码且删除左侧的字符 '\ufeff'，关于这个字符的问题，详情戳，大致意思为读取记事本文件转码utf-8输出时会在左侧出现一个字符 '\ufeff'，所以需要删除。
如果在删除空格和非法字符后 line 为空，则跳过改行的处理（没有数据）
使用re表达式进行匹配，并且使用 .groups()方法返回匹配后的结果（每个括号为一个结果），re_userdict的值为：
re_userdict = re.compile('^(.+?)( [0-9]+)?( [a-z]+)?$', re.U)^(.+?)表示匹配首个任意字符，( [0-9]+)? 表示匹配一个空格以及之后的一串数字（仅匹配一次），( [a-z]+)?表示匹配一个空格以及之后的一串小写字母（仅匹配一次）。但是在^(表示字符串首)和$(表示字符串尾)之间时，整个正则表达式表示匹配 （一串字符，空格+一串数字，空格+一串字符），如果后两者匹配失败，所有的值都算在前者。例如:
如果1234564 和 fsfas 之间有个空格就匹配成功！
re.U的使用则是为了把\w \W \s \S等这些元字符按照 Unicode 的标准来考虑。例如：
pattern = re.compile(ur"a\s+b", re.U)
m = pattern.findall(u"dsadadsada\u3000b") # 匹配成功
pattern = re.compile(ur"a\s+b")
m = pattern.findall(u"dsadadsada\u3000b") # 匹配失败
\u3000是中文下的unicode空格符，如果不加 re.U 只认 ascii 中的空白符。
最后对获得的结果中非空的结果去除两边的空格（strip()）
使用add_word(word,freq,tag)将word添加到字典。
讲到这里，我们应该考虑，添加词的时候既然可以省略词频和词性，那么省略后他们变成什么了呢？
看到add_word()源码