jieba库详解

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库提供三种分词模式，最简单只需安装一个函数。

jieba库是通过中文词库的方式来识别分词的。

安装命令如下：

点击windows+r,进入命令提示符输入cmd,进入界面后，输入pip install jieba。即可安装，示例如下：

安装界面如下： 

jieba库分词依靠中文词库

利用一个中文词库，确定汉字之间的关联概念

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、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，对长词进行切分。

jieba库的主要方法如下：

1.jieba.lcut(s) 精确模式，返回一个列表类型的分词结果

代码示例如下：

import jieba
a=jieba.lcut("约翰沃尔是NBA超级巨星")
print(a)

运行界面如下：

2.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。

代码示例如下：

import jieba
a=jieba.lcut("约翰沃尔是NBA超级巨星",cut_all=True)
print(a)

运行界面如下：

 3.jieba.lcut_for_search(s)搜索引擎模式。

代码示例如下：

import jieba
a=jieba.lcut_for_search("中华人民共和国是伟大的")
print(a)

运行界面如下：4. 

4.jieba.add_word(w),向分词词典增加新词w。

代码示例如下：

import jieba
a=jieba.add_word("奇才队控球后卫约翰沃尔是NBA超级巨星")
b=jieba.lcut("奇才队控球后卫约翰沃尔是NBA超级巨星")
print(b)

运行界面如下：

jieba.lcuts(s),能够将字符串s进行精确的分词处理，并且返回一个列表类型。