https://pypi.org/project/jieba/
2.完整文档：https://github.com/fxsjy/jieba二、介绍 1.简介
jieba（中文意思是“结巴”）中文文本切分：打造成最好的Python中文分词模块。
2.特点 支持四种分词模式： 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。paddle模式，利用PaddlePaddle深度学习框架，训练序列标注（双向GRU）网络模型实现分词。同时支持词性标注。paddle模式使用需安装paddlepaddle-tiny，pip install paddlepaddle-tiny==1.6.1。目前paddle模式支持jieba v0.40及以上版本。jieba v0.40以下版本，请升级jieba，pip install jieba --upgrade 。PaddlePaddle官网支持繁体分词支持自定义词典MIT 授权协议三、主要功能 1.分词 1.1前三种分词模式案例 import jiebastring = '中华人民共和国是一个伟大的国家'#精确模式aa = jieba.lcut(string) # 等效于：jieba.lcut(string, cut_all=False)是否分割出所有情况=否print(aa)#全模式aa = jieba.lcut(string, cut_all=True) # 是否分割出所有情况=是print(aa)#搜索引擎模式（在精确模式的基础上，对长词再次切分）aa = jieba.lcut_for_search(string)print(aa)
结果：
['中华人民共和国', '是', '一个', '伟大', '的', '国家']
['中华', '中华人民', '中华人民共和国', '华人', '人民', '人民共和国', '共和', '共和国', '国是', '一个', '伟大', '的', '国家']
['中华', '华人', '人民', '共和', '共和国', '中华人民共和国', '是', '一个', '伟大', '的', '国家']
2.添加自定义词典（提高分词准确率）
开发者可以指定自己自定义的词典，以便包含 jieba 词库里没有的词。虽然 jieba 有新词识别能力，但是自行添加新词可以保证更高的正确率
2.1 一个精确模式案例 import jiebastring = '小明白参加云计算项目研究'aa = jieba.lcut(string)print(aa)结果：
['小', '明白', '参加', '云', '计算', '项目', '研究']
发现：“小明白”这个人名分的不准确，“云计算”这个名词分的也不准确。
2.2 解决方案1： 使用 jieba.add_word(word)添加词库没有的词 import jiebastring = '小明白参加云计算项目研究'jieba.add_word("云计算")jieba.add_word("小明白")aa = jieba.lcut(string)print(aa)结果：
['小明白', '参加', '云计算', '项目', '研究']
2.2 解决方案2（载入词典文件）： jieba.load_userdict(file_name) # file_name 为文件类对象或自定义词典的路径先建一个XX.txt文件
import jiebastring = '小明白参加云计算项目研究'jieba.load_userdict('dict.txt')aa = jieba.lcut(string)print(aa)结果：
['小明白', '参加', '云计算', '项目', '研究']
3.关键词提取import jieba.analyse
jieba.analyse.extract_tags(sentence, topK=20, withWeight=False, allowPOS=()) sentence 为待提取的文本topK 为返回几个 TF/IDF 权重最大的关键词，默认值为 20withWeight 为是否一并返回关键词权重值，默认值为 FalseallowPOS 仅包括指定词性的词，默认值为空，即不筛选jieba.analyse.TFIDF(idf_path=None) 新建 TFIDF 实例，idf_path 为 IDF 频率文件import jieba.analysestring = '小明白参加云计算项目研究'jieba.add_word("云计算")jieba.add_word("小明白")new_words = jieba.analyse.extract_tags(string, topK=3)print(new_words)结果：
['小明白', '云计算', '参加']