jieba库是优秀的中文分词第三方库
1、jieba库安装
直接到DOS环境下输入 pip install jieba
我在安装的时候出现了不能安装的问题,查了些资料发现,应该切换一下来源
pip install jieba -i http://pypi.douban.com/simple --trusted-host pypi.douban.com(使用的豆瓣的pip源,速度确实快)
2 、jieba库原理
- 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的词组
3、jieba库的使用
- 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