最近用jieba进行分词,使用的字典有一些业务上的,记录一下相关操作。
1.因我用的anaconda3配置的虚拟环境,jieba的安装路径是在:
/anaconda3/envs/虚拟环境名/lib/python3.8/site-packages/jieba
2.jieba默认的字典为:dict.txt
vim ./dict.txt 查看默认字典形式
词汇 词频 词性
AT&T 3 nzB超 3 nc# 3 nzC# 3 nzc++ 3 nzC++ 3 nzT恤 4 nA座 3 nA股 3 nA型 3 nA轮 3 nAA制 3 nAB型 3 nB座 3 nB股 3 nB型 3 nB超 3 nB轮 3 nBB机 3 nBP机 3 nC盘 3 nC座 3 nC语言 3 nCD盒 3 nCD机 3 n词典格式和 dict.txt 一样,一个词占一行;每一行分三部分:词语、词频(可省略)、词性(可省略),用空格隔开,顺序不可颠倒。
如果需要更换其他字典:
1.占用内存较小的词典文件 https://github.com/fxsjy/jieba/raw/master/extra_dict/dict.txt.small
2.支持繁体分词更好的词典文件 https://github.com/fxsjy/jieba/raw/master/extra_dict/dict.txt.big
下载你所需要的词典,备份后覆盖 jieba/dict.txt 即可;
或者用 jieba.set_dictionary('data/dict.txt.big'),指定分词等功能的字典。