Python jieba库的使用说明

https://www.cnblogs.com/wkfvawl/p/9487165.html

• 博客园
• 首页
• 新随笔
• 联系
• 订阅
• 管理

随笔 - 560  文章 - 0  评论 - 113

Python jieba库的使用说明

阅读目录

1. 1、jieba库基本介绍
2. 2、jieba库使用说明
3. 3、jieba应用实例
4. 4、利用jieba库统计三国演义中任务的出场次数

 

---

回到顶部

1、jieba库基本介绍

  (1)、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，最简单只需掌握一个函数

  (2)、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

回到顶部

2、jieba库使用说明

  (1)、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

  (2)、jieba库常用函数

 

回到顶部

3、jieba应用实例

 

 

回到顶部

4、利用jieba库统计三国演义中任务的出场次数

import  jieba

txt = open("D:\\三国演义.txt", "r", encoding='utf-8').read()
words = jieba.lcut(txt)     # 使用精确模式对文本进行分词
counts = {}     # 通过键值对的形式存储词语及其出现的次数

for word in words:
    if  len(word) == 1:    # 单个词语不计算在内
        continue
    else:
        counts[word] = counts.get(word, 0) + 1    # 遍历所有词语，每出现一次其对应的值加 1
        
items = list(counts.items())#将键值对转换成列表
items.sort(key=lambda x: x[1], reverse=True)    # 根据词语出现的次数进行从大到小排序

for i in range(15):
    word, count = items[i]
    print("{0:<5}{1:>5}".format(word, count))

 

统计了次数对多前十五个名词，曹操不愧是一代枭雄，第一名当之无愧，但是我们会发现得到的数据还是需要进一步处理，比如一些无用的词语，一些重复意思的词语。

作者：王陸

出处：http://www.cnblogs.com/wkfvawl/

-------------------------------------------

个性签名：罔谈彼短，靡持己长。做一个谦逊爱学的人！

本站使用「署名 4.0 国际」创作共享协议，转载请在文章明显位置注明作者及出处。“推荐”哦，博主在此感谢