jieba库的使用
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库提供分词模式,最简单只需掌握一个函数
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,汉字间概率打的组成词组,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:在精确模式的基础上,对长词再次切分(将长的分词变成更短的切分词语,进而适合搜索引擎对短词语的引索和搜索,在一些特定的场合用的比较多)