初识jieba分词

jieba是目前最好的中文分词组件，他有以下三个特性：

1.它支持三种分词模式：精确模式，全模式，搜索引擎模式

精确模式

import jieba
seg_list = jieba.cut("他来到四川大学", cut_all=True)
print("全模式：" + " ".join(seg_list))

精确模式

import jieba
seg_list = jieba.cut("他来到四川大学", cut_all=False)
print("精确模式：" + " ".join(seg_list))

精确模式

import jieba
seg_list = jieba.cut_for_search("他来到四川大学")
print("搜索引擎模式：" + " ".join(seg_list))

2.支持自定义词典

开发者可以指定自定义词典，以便包含 jieba 词库里没有的词，词典格式如下：
词语 词频（可省略） 词性（可省略）
 例如将下面文本保存为mydic.txt

创新办 3 i
云计算 5
凱特琳 nz

使用 jieba.load_userdict(file_name) 即可载入词典。

3.支持繁体分词