python中文分词库结巴使用示例

结巴是开源库,中文分词,使用简单,可以添加用户字典
https://github.com/fxsjy/jieba

使用示例

from xml.etree import ElementTree
import re
import jieba
import jieba.posseg as pseg

jieba.load_userdict("dict.txt")

#读root
root = ElementTree.parse(r"爬虫.xml")
persons = root.findall("person")

#写root
root = ElementTree.Element("documents")

for person in persons:
    name = person.find("name")
    dis = person.find("dis")
    #s删除作品名
    text = re.sub(r'《.*》', '', str(dis.text))
    words = pseg.cut(text)
    try:
        for w in words:
            if len(w.word) == 1:
                continue
            #nr为人名标志
            if str(w.flag) == "nr":
                print(w.word)
    except:
        pass
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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