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库分为精确模式、全模式、搜索引擎模式

原理

1.利用一个中文词库,确定汉子之间的关系概率

2.汉字间概率大的组成词组,形成分词结果

3.除了分词,用户还可以添加自定义的词组

安装

pip install jieba 如果下载失败需要使用 -i

python 中文分词 python 中文分词库_python 中文分词

 

提示下载成功

精准模式

jieba.lcut(s)

python 中文分词 python 中文分词库_python_02

 

全模式

jieba.lcut(s,cut_all=True)

python 中文分词 python 中文分词库_搜索引擎_03

 

搜索引擎模式

jieba.lcut_for_search(s)

python 中文分词 python 中文分词库_第三方库_04

 

模式说明:

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