需要使用到的两个Python类库
jieba:中文分词分词工具
wordcloud:Python下的词云生成工具
jieba 类库使用介绍
支持三种分词模式:
- 精确模式,试图将句子最精确地切开,适合文本分析;
- 全模式,把句子中所有的可以成词的词语都扫描出来, 速度非常快,但是不能解决歧义;
- 搜索引擎模式,在精确模式的基础上,对长词再次切分,提高召回率,适合用于搜索引擎分词。
可以在pychar的 file 》 settings 》 project:work_python 》 project interpreter 中安装jieba,如下图:
也可以从网站下载半自动安装,先下载 http://pypi.python.org/pypi/jieba/ ,解压后运行 python setup.py install
功能介绍
1、分词
- jieba.cut 方法接受三个输入参数: 需要分词的字符串;cut_all 参数用来控制是否采用全模式;HMM 参数用来控制是否使用 HMM 模型
- jieba.cut_for_search 方法接受两个参数:需要分词的字符串;是否使用 HMM 模型。该方法适合用于搜索引擎构建倒排索引的分词,粒度比较细
# encoding=utf-8
import jieba
s_list = jieba.cut("我叫孙宇晨,来自广东广州!",cut_all=True)
print("内容(全模式):"+"/".join(s_list))
s_list = jieba.cut("我叫孙宇晨,来自广东广州!",cut_all=False)
print("内容(精准模式):"+"/".join(s_list))
s_list = jieba.cut("我叫孙宇晨,来自广东广州!")
print("内容(模式是精准模式):"+"/".join(s_list))
s_list=jieba.cut_for_search("我是孙宇晨,网传百万男孩,毕业于湖南科学院计算机")
print("内容(cut_for_search):"+"/".join(s_list))
输出结果:
内容(全模式):我/叫/孙/宇/晨///来自/广东/广州//!
内容(精准模式):我/叫/孙宇晨/,/来自/广东/广州/!
内容(模式是精准模式):我/叫/孙宇晨/,/来自/广东/广州/!
内容(cut_for_search):我/是/孙宇晨/,/网传/百万/男孩/,/毕业/于/湖南/科学/学院/科学院/计