目录
jieba库概述
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
jieba库的安装
(cmd命令行) pip install jieba
pip inatall jieba
jieba分词的原理
jieba分词依靠中文词库
-利用一个中文词库,确定汉字之间的关联概率
-汉字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的词组
jieba分词的三种模式
精确模式、全模式、搜索引擎模式
-精确模式:把文本精确的切分开,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
jieba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("中国是一个伟大的国家") ['中国','是','一个','伟大','的','国家'] |
jieba.lcut(s,cut_all=Ture) | 全模式,返回一个列表类型的分词结果,存在冗余 >>>jieba.lcut("中国是一个伟大的国家",cut_all=Ture) ['中国','国是','一个','伟大','的','国家'] |
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 >>>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(w) | 向分词词典增加新词w >>>jieba.add_word("蟒蛇语言") |