1.对于关键词存在空格或者特殊符号的情况下,jieba无法分出该词
2.在github上找到了一个解决方案,修改jieba源码
__init__.py
免费分享,造损免责。
打开默认词典(根目录)或自定义词典,把所有用来间隔词频和词性的空格间隔符改成@@
(选用@@是因为一般关键词里遇到这个分隔符的几率比较小吧)
继续,打开jieba根目录下init.py搜索
re_han_default = re.compile("([\u4E00-\u9FD5a-zA-Z0-9+#&\._]+)", re.U)
改成
re_han_default = re.compile("(.+)", re.U)
搜索
re_userdict = re.compile('^(.+?)( [0-9]+)?( [a-z]+)?$', re.U)
改成
re_userdict = re.compile('^(.+?)(\u0040\u0040[0-9]+)?(\u0040\u0040[a-z]+)?$', re.U)
搜索
word, freq = line.split(' ')[:2]
改成
word, freq = line.split('\u0040\u0040')[:2]
补充:若用的全模式继续改。
搜索
re_han_cut_all = re.compile("([\u4E00-\u9FD5]+)",