jieba分词、词性标注、停用词

1简单问题

读取text

#encoding=utf-8
file='test.txt'
fn=open(file,"r")
print fn.read()
fn.close()

scrapy不打印调试信息

scrpay crawl spider_name  -s LOG_FILE=all.log

2分词

jieba分词:

words = pseg.cut("他改变了中国")

for word, flag in words:
    print("{0} {1}".format(word, flag))

自定义词典/去停用词
https://blog.csdn.net/qq_30262201/article/details/80128076

pyltp分词:
https://blog.csdn.net/sinat_33731745/article/details/79406878
https://www.jianshu.com/p/f78453f5d1ca
pyltp分词官方文章:
https://pyltp.readthedocs.io/zh_CN/latest/api.html#id19

清华THULAC:
http://thulac.thunlp.org/#编译和安装

各大分词网站试用:
https://blog.csdn.net/sinat_26917383/article/details/77067515

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值