jieba库 jieba库的安装jieba库的基本介绍jieba库的使用
jieba库的安装
(cmd命令行)
pip install jieba也可以安装国内镜像:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple jieba jieba库的基本介绍(1)jieba库概述
jieba库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;
(2)jieba库分词原理
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
jieba分词的三种模式
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
jieba库函数的使用
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”)
[‘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(w)向分词词典增加新词w
>>>jieba.add_word(“蟒蛇语言”)