python用jieba分词_Python调用jieba分词中的中文编码问题

本文介绍使用Python调用jieba库进行中文分词的过程及解决遇到的编码问题的方法。通过调整编码方式,成功实现了对中文文本的分词,并打印出分词结果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

使用python调用jieba进行中文分词: https://github.com/fxsjy/jieba

根据官方指导完成安装,copy demo,出现问题:

# encoding=utf-8

import jieba

seg_list = jieba.cut("我来到北京清华大学", cut_all=True)

print("Full Mode: " + "/ ".join(seg_list)) # 全模式

报错:

UnicodeEncodeError: 'ascii' codec can't encode character u'\u6211' in position 12: ordinal not in range(128)

之前就知道python处理中文比较麻烦,通过报错可知 中文在 utf-8和unicode转换中出现问题

通过官方文档,可知:

“jieba.cut以及jieba.cut_for_search返回的结构都是一个可迭代的 generator   ”

OK,下面就是iter这个generator:

# encoding=utf-8

import jieba

seg_list = jieba.cut("我来到北京清华大学", cut_all=True)

seg_list_tolist = list(seg_list)

for word in seg_list_tolist:

sys.stdout.write(word.encode('utf-8') + ',')

关键就在于word.encode('utf-8'),这个for循环将generator中每个词逐个encode为utf-8,然后print即可。

应该有更好的方法encode,这里只注重有结果,

我对python不熟悉,不知是否有更好的方法。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值