nlp系列-jieba安装

jieba
中文分词工具，具有以下特点：
1.三种分词模式：精确模式，全模式和搜索引擎模式；

精确模式，试图将句子最精确地切开，适合文本分析；
全模式，把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义；
搜索引擎模式，在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。

2.词性标注和返回词语在原文的起止位置;
3.可加入自定义词典；
4.代码对python 2/3都兼容；
5.支持多种语言，支持简繁体。

安装：
1.全自动安装：easy_install jieba 或者 pip install jieba / pip3 install jieba
2.半自动安装：先下载 http://pypi.python.org/pypi/jieba/ ，解压后运行 python setup.py install
3.手动安装：将 jieba 目录放置于当前目录或者 site-packages 目录
4.通过 import jieba 来引用

代码示例：

import jieba

seg_list = jieba.cut("我来到北京清华大学", cut_all=True) 
print("Full Mode: "+ "/ ".join(seg_list))  # 全模式

seg_list = jieba.cut("我来到北京清华大学", cut_all=False) 
print("Default Mode: " + "/ ".join(seg_list))  # 精确模式

seg_list = jieba.cut("他来到了网易杭研大厦")  # 默认是精确模式
print(", ".join(seg_list))
 
seg_list = jieba.cut_for_search("小明硕士毕业于中国科学院计算所，后在日本京都大学深造")  # 搜索引擎模式 	
print(", ".join(seg_list))

输出：

Full Mode: 我/ 来到/ 北京/ 清华/ 清华大学/ 华大/ 大学
Default Mode: 我/ 来到/ 北京/ 清华大学
他, 来到, 了, 网易, 杭研, 大厦
小明, 硕士, 毕业, 于, 中国, 科学, 学院, 科学院, 中国科学院, 计算, 计算所, ，, 后, 在, 日本, 京都, 	大学, 日本京都大学, 深造

项目地址：https://github.com/fxsjy/jieba