python之jieba库学习笔记

一， 前言

这是一个解决中文问题的库，处理中文信息。将句子分成词语。处理中文字符。 一起康康吧！

二，jieba库的基本介绍

1，jieba库概述

jieba库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
既然是第三方库，需要额外安装
只需要了解其中一个函数就OK

2，jieba库的安装

pip install jieba

3，jieba库的分词原理

jieba分词依靠中文词库
利用一个中文词库，确定中文字符之间的关联概率
中文字符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词组

三，jieba库的使用说明

1，jieba库分词的三种模式

精确模式：把文本精确的切分开，不存在冗余单词
全模式：把文本中可能出现的单词都扫描出来，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库的使用函数

1，jieba.lcut(s)
精确模式，返回一个列表类型的分词结果

>>>jieba.lcut("中国的疫情一定会过去")
['中国', '的', '疫情', '一定', '会', '过去']

这是个列表类型[],

2，jieba.lcut(s,cut_all=True)
全模式，返回一个列表类型的分词结果，有冗余

>>>jieba.lcut("中国的疫情一定会过去",cut_all=True)
['中国', '的', '疫情', '一定', '定会', '过去']

看上去有多余的字词

3，jieba.lcut_for_search(s)
搜索引擎模式，返回一个 列表类型的分词结果，有冗余

>>>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']

4，jieba.add_word(w)
向分词字典增加新词w

>>>jieba.add_word("蟒蛇语言")

四，总结

看到这里，就结束了。
百度了一下，jieba库用于分析文档比较方便，分析文档中出现最多的词汇，文档的大概内容。
如果这篇文章帮到你了，我很荣幸。

哈哈哈嗝