Python-jieba库简要说明及使用
jieba库简要说明及使用
jieba库简介
- jieba库是优秀的中文分词第三方库，需要额外安装
- 中文文本需要通过分词获得单个的词语
jieba库提供三种分词模式，最简单只需掌握一个函数
jieba库的安装
（用cmd命令行）输入pip install jieba命令即可安装
jieba库的使用
1. jieba分词原理
jieba分词依靠中文词库
- 利用一个中文词库，确定中文字符之间的关联概率
- 中文字符间概率大的组成词组，形成分词结果
- 除了分词，还可以添加自定义的词组
2. 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
3. jieba库常用函数
| 函数 | 说明 |
|---|---|
jieba.lcut(s) | 精确模式，返回一个列表类型的结果 >>> 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>>> 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'] |
jieba.lcut_for_search(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(word) | 向分词词典增加新词word>>> jieba.add_word("蟒蛇语言") |
