jieba分词

报错的原因是：跟当前文件名冲突，修改一下文件名就可以了。
修改后import还是报错，改正办法是在anaconda中安装。

主要功能
一、分词

• jieba.cut 方法接受三个输入参数: 需要分词的字符串；cut_all 参数用来控制是否采用全模式；HMM 参数用来控制是否使用 HMM 模型

• jieba.cut_for_search 方法接受两个参数：需要分词的字符串；是否使用 HMM 模型。该方法适合用于搜索引擎构建倒排索引的分词，粒度比较细

• 待分词的字符串可以是 unicode 或 UTF-8 字符串、GBK 字符串。注意：不建议直接输入 GBK 字符串，可能无法预料地错误解码成 UTF-8
  输出:

   【全模式】: 我/ 来到/ 北京/ 清华/ 清华大学/ 华大/ 大学
  
   【精确模式】: 我/ 来到/ 北京/ 清华大学
  
   【新词识别】：他, 来到, 了, 网易, 杭研, 大厦    (此处，“杭研”并没有在词典中，但是也被Viterbi算法识别出来了)
  
   【搜索引擎模式】： 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
  

打开源码可以看到HMM参数默认是True。

• jieba.cut 以及 jieba.cut_for_search 返回的结构都是一个可迭代的 generator，可以使用 for 循环来获得分词后得到的每一个词语(unicode)，或者用jieba.lcut 以及 jieba.lcut_for_search 直接返回 list
  
  二、添加自定义词典
  1、载入词典

• 开发者可以指定自己自定义的词典，以便包含 jieba 词库里没有的词。虽然 jieba 有新词识别能力，但是自行添加新词可以保证更高的正确率

• 用法： jieba.load_userdict(file_name) # file_name 为文件类对象或自定义词典的路径

• 词典格式和 dict.txt 一样，一个词占一行；每一行分三部分：词语、词频（可省略）、词性（可省略），用空格隔开，顺序不可颠倒。file_name 若为路径或二进制方式打开的文件，则文件必须为 UTF-8 编码。

• 词频省略时使用自动计算的能保证分出该词的词频。
  python中字典的使用：

• dic.get(k)
  获取字典中指定键的值，如果k不属于字典中的键，则返回None。注意：相当于dic[k],但是dic[k]如果k不属于字典中的键，则报出异常

• dit.get(k,d)方法，如果k属于字典中的键，则返回对应的值，否则，将往字典中插入键值
  
  
  Python sorted() 函数：http://www.runoob.com/python/python-func-sorted.html
  Python标准库：内置函数open：https://blog.csdn.net/caimouse/article/details/43370101
  python中的glob应用：https://blog.csdn.net/u010472607/article/details/76857493/

jieba分词文档：https://github.com/fxsjy/jieba