本篇文章主要描述一下结巴库的基本使用方式有哪些：
目录
Python里面可以使用的第三方中文分词库有哪些？
- HanLP
- LIP
- jieba
jieba库目的？
中文文本之间每个汉字都是连续书写的，我们需要通过特定的手段来获得其中的每个词组，这种手段叫做分词，jieba号称要做最好的 Python 中文分词组件。
jieba分词的原理
①分词依靠中文词库
② 利用一个中文词库，确定汉字之间的关联概率
③ 汉字间概率大的组成词组，形成分词结果
④ 除了分词，用户还可以添加自定义的词组
可以通过jieba库来完成这个过程
jieba库使用说明
(1)jieba分词的三种模式
精确模式、全模式、搜索引擎模式
1）精确模式：就是把一段文本精确地切分成若干个中文单词，若干个中文单词之间经过组合，就精确地还原为之前的文本。其中不存在冗余单词。
2）全模式：将一段文本中所有可能的词语都扫描出来，可能有一段文本它可以切分成不同的模式，或者有不同的角度来切分变成不同的词语，在全模式下，Jieba库会将各种不同的组合都挖掘出来。分词后的信息再组合起来会有冗余，不再是原来的文本。
3）搜索引擎模式：在精确模式基础上，对发现的那些长的词语，我们会对它再次切分，进而适合搜索引擎对短词语的索引和搜索。也有冗余。
Jieba库常用函数：重点记输入什么类型（字符串？列表？）、输出什么类型（字符串（jieba.cut）列表(jieba.lcut）；
① jieba.cut(s) 精确模式：把文本精确的切分开，不存在冗余单词:
参数解释：
「strs」： 需要分词的字符串；
「cut_all」：用来控制是否采用全模式；
「HMM」：用来控制是否使用 HMM 模型；
「use_paddle」：用来控制是否使用paddle模式下的分词模式，paddle模式采用延迟加载方式，通过enable_paddle接口安装paddlepaddle-tiny，并且import相关代码；
② jieba.lcut(s,cut_all=True) 全模式：把文本中所有可能的词语都扫描出来，有冗余:
③jieba.lcut_for_search(s) 搜索引擎模式：在精确模式基础上，对长词再次切分:
参数解释：
「strs」：需要分词的字符串；
「HMM」：是否使用 HMM 模型，默认值为 True。该方法适合用于搜索引擎构建倒排索引的分词，粒度比较细。
jieba.Tokenizer(dictionary=DEFAULT_DICT)
新建自定义分词器，可用于同时使用不同词典。jieba.dt 为默认分词器，所有全局分词相关函数都是该分词器的映射。
添加词典用法：
一个词占一行；每一行分三部分：词语、词频（可省略）、词性（可省略），用空格隔开，顺序不可颠倒。
jieba.load_userdict(dict_path) # dict_path为文件类对象或自定义词典的路径。
关键词提取
1，基于TF-IDF算法的关键词提取
import jieba.analyse
2）关键词提取所使用逆向文件频率（IDF）文本语料库可以切换成自定义语料库的路径
用法：
jieba.analyse.set_idf_path(file_name) # file_name为自定义语料库的路径
3）关键词提取所使用停止词（Stop Words）文本语料库可以切换成自定义语料库的路径
- 用法： jieba.analyse.set_stop_words(file_name) # file_name为自定义语料库的路径
- 自定义语料库示例：
4）关键词一并返回关键词权重值示例
词性标注
jieba.posseg.POSTokenizer(tokenizer=None) 新建自定义分词器
路径：
了解更多自行找想要的知识点，个人知识点总结，
https://blog.csdn.net/TFATS/article/details/108810284
Python:jieba库的介绍与使用_python_Algorithm-007-DevPress官方社区 (csdn.net)
