jieba自定义词典问题
默认的切分正则为
re_han_default = re.compile("([\u4E00-\u9FD5a-zA-Z0-9+#&\._%]+)", re.U)
这样切分不到带其它特殊符号的词,会将其当作句子分隔符。如果要切分的词带有'、-等符号,可以在导入模块后修改该变量:
jieba.re_han_default = re.compile(r"([\u4E00-\u9FD5a-zA-Z0-9+#&.\-'_%]+)", re.U)
...
原创
2020-07-23 14:52:49 ·
1259 阅读 ·
2 评论