1、jieba库基本介绍
jieba库概述
jieba是优秀的中文分词第三方库
- 中文文本需要通过分词获得单个的词语
jieba是优秀的中文分词第三方库，需要额外安装
jieba库提供三种分词模式，最简单只需掌握一个函数
Jieba分词依靠中文词库
- 利用一个中文词库，确定汉字之间的关联概率
汉字间概率大的组成词组，形成分词结果
除了分词，用户还可以添加自定义的词组
2、jieba库使用说明
jieba分词的三种模式
精确模式、全模式、搜索引擎模式
- 精确模式：把文本精确的切分开，不存在冗余单词
全模式：把文本中所有可能的词语都扫描出来，有冗余
搜索引擎模式：在精确模式基础上，对长词再次切分
| 函数 | 描述 |
| jieba.lcut(s) | 精确模式，返回一个列表类型的分词结果 >>>jieba.lcut("中国是一个伟大的国家") ['中国', '是', '一个', '伟大', '的', '国家'] |
| jieba.lcut(s, cut_all=True) | 全模式，返回一个列表类型的分词结果，存在冗余 >>>jieba.lcut("中国是一个伟大的国家",cut_all=True) ['中国', '国是', '一个', '伟大', '的', '国家'] |
| 函数 | 描述 |
| jieba.lcut_for_sear ch(s) | 搜索引擎模式，返回一个列表类型的分词结果，存在冗余 >>>jieba.lcut_for_search(“中华人民共和国是伟大的") ['中华', '华人', '人民', '共和', '共和国', '中华人民共 和国', '是', '伟大', '的'] |
| jieba.add_word(w) | 向分词词典增加新词w >>>jieba.add_word("蟒蛇语言") |
点
jieba.lcut(s)
文章来源: Python jieba库的使用