python中jieba lcut_python中jieba库的介绍和应用

jieba库作为python中的第三方库，在平时是非常实用的，例如一些网站就是利用jieba库的中文分词搜索关键词进行工作。

一、安装环境

window + python

二、安装方式

在电脑命令符（cmd）中直接写进下面的语句：pip install jieba 即可

三、jieba库分词的基本原理

1、利用中文词库，分析汉字与汉字之间的关联几率

2、还有分析汉字词组的关联几率

3、还可以根据用户自定义的词组进行分析

四、jieba库三种模式和对应的三个函数

精确模式 ： 把文本精确的切分开，不存在冗余单词 （就是切分开之后一个不剩的精确组合）

全模式 ： 把文本中所有可能的词语都扫描出来，有冗余

即： 可能有一个文本，可以从不同的角度来切分，变成不同的词语。在全模式下把不同的词语都挖掘出来

搜索引擎模式：在精确模式基础上，对长词语再次切分

函数

对应模式

lcut(s)

精确模式，没有多余

lcut(s,cut_all=Ture)

全模式，有多余，长词组

lcut_for_search(s)

搜索引擎模式，有多余，长词组

例如：

以上就是jieba库的一些基本的知识。

五、jieba库词频统计实例

利用jieba库找出一篇文章中的关键词

1、先把文章存为记事本的txt文件

2、利用结巴库

代码如下：

1 importjieba2 txt = open("jiebatxt.txt","r", encoding = 'GBK').read() #读取已存好的txt文档

3 words = jieba.lcut(txt) #进行分词

4 counts ={}5 for word inwords:6 if len(word)== 1: #去掉标点字符和其它单字符

7 continue

8 else:9 counts[word] = counts.get(word, 0) + 1 #计数

10 items = list(counts.items()) #把对象对象转化为列表形式，利于下面操作

11

12 #sort() 函数用于对原列表进行排序，如果指定参数，则使用比较函数指定的比较函数

13 #reverse 排序规则，reverse = True 降序， reverse = False 升序（默认）

14 #key 是用来比较的参数

15

16 items.sort(key=lambda x: x[1], reverse =True)17 for i in range(10):18 word, count=items[i]19 print("{0:<10}{1:>5}".format(word, count))

得出结果：

还有一种就是词云图显示，具体请进入下面链接：

https://www.cnblogs.com/liyanyinng/p/10652472.html

可以先看效果：