Python-jieba库的使用

jieba库基本介绍

jieba是优秀的中文分词第三方库

• 中文文本需要通过分词获得单个的词语
• jieba是优秀的中文分词第三方库，需要额外安装
• jieba库提供三种分词模式，最简单只需要掌握一个函数

jiaba库安装: (cmd命令行) pip install jieba

 jiaba分词原理：依靠中文词库

• 利用一个中文词库，确定中文字符中间的关联概率
• 中文字符间概率大的组成词组，形成分词结果
• 除了分词，用户还可以添加自定义词组

jieba使用说明

三种模式

• 精确模式：把文本精确的且分开，不存在冗余单词
• 全模式：把文本中所有可能的词语都扫描出来，有冗余
• 搜索引擎模式：在精确模式基础上，对长词再次切分

jiaba库常用函数

函数	描述
jieba.lcut(s)	精确模式，返回一个列表类型的分词结果
jieba.lcut(s, cut_all=True)	全模式，返回一个列表类型的分词结果，存在冗余
jieba.lcut_for_search(s)	搜索引擎模式，返回一个列表类型的分词结果，存在冗余
jeba.add_word(w)	向分词词典添加新词w

>>> import jieba
>>> jieba.lcut("中国是一个伟大的国家");
['中国', '是', '一个', '伟大', '的', '国家']
>>> jieba.lcut("中国是一个伟大的国家", cut_all = True);
['中国', '国是', '一个', '伟大', '的', '国家']
>>> jieba.lcut_for_search("中华人民共和国是伟大的");
['中华', '华人', '人民', '共和', '共和国', '中华人民共和国', '是', '伟大', '的']
>>> jieba.add_word("蟒蛇语言");

jieba分词要点

jieba.lcut(s)

本文仅为学习Python记录，资料来源于中国大学MOOC《Python语言设计》—嵩天