Python:jieba库的介绍与使用
前言：
jieba是优秀的中文分词第三方库，由于中文文本之间每个汉字都是连续书写的，我们需要通过特定的手段来获得其中的每个词组，这种手段叫做分词，我们可以通过jieba库来完成这个过程。
目录：
一、jieba库基本介绍
(1)jieba库概述
① jieba是优秀的中文分词第三方库
②中文文本需要通过分词获得单个的词语③ jieba是优秀的中文分词第三方库，需要额外安装
④jieba库提供三种分词模式，最简单只需掌握一个函数
(2)jieba分词的原理
①分词依靠中文词库
② 利用一个中文词库，确定汉字之间的关联概率
③ 汉字间概率大的组成词组，形成分词结果
④ 除了分词，用户还可以添加自定义的词组
二、jieba库使用说明
(1)jieba分词的三种模式
精确模式、全模式、搜索引擎模式
① jieba.cut(s) 精确模式：把文本精确的切分开，不存在冗余单词:
② jieba.lcut(s,cut_all=True) 全模式：把文本中所有可能的词语都扫描出来，有冗余:
③jieba.lcut_for_search(s) 搜索引擎模式：在精确模式基础上，对长词再次切分:
三：jieba库的安装
因为 jieba 是一个第三方库，所有需要我们在本地进行安装：
ⅠIDLE中jieba库的安装：
Windows 下使用命令安装：在联网状态下，在命令行下输入 pip
install jieba 进行安装，安装完成后会提示安装成功。具体过程如图：
① Win + r 打开运行框并输入cmd打开指令框：
②在指令框输入“pip install jieba”并按下回车等待下载：
③ 当出现“Successfully instll”，则表示安装成功！
Ⅱ Pycharm中jieba库的安装：
打开 settings，搜索 Project Interpreter，在右边的窗口选择 + 号，点击后在搜索框搜索 jieba，点击安装即可。具体过程如图：
① 点击左上角Files中的Settings：
② [endif]找到“Project”中的“python interpreter”，并点击其中的“+”：
③在搜索栏中搜索“jieba”，并点击左下角Install Package：
④ 当出现“Successfully instll
jieba”，则表示jieba库安装成功！
四：实例-文本词频统计
Jieba库最强大的功能之一就是对文章出现的词汇进行计数统计，即计算词频，对于一篇文章或者一部著作，我们可以通过以下步骤对出现的单词进行统计：
源代码：
注：
① encoding=’ANSI’:将打开的文本格式设为ANSI形式
② read(size):方法从文件当前位置起读取size个字节，若无参数size，则表示读取至文件结束为止，它范围为字符串对象。
③items
= list（counts.items）:将counts中的元素存入items表格中。
④ key = lambda x:x[1]:等价于 def func(x):
return x[1]
⑤ reverse = True：列表反转排序，不写reverse = True 就是列表升序排列，括号里面加上reverse =True 就是降序排列！
⑥ {0:<10}{1:>5}:<表示左对齐，>表示右对齐，数字表示宽度,<10表示左对齐，并占10个位置，>5表示右对齐，占5个位置。
运行结果：
如上运行结果有两个不足之处，一是词汇中出现了“却说”、“丞相”、“二人”等人名以外的单词，我们需要把这些单词去除；二是“孔明”与“孔明说”、“曹操”与“丞相”等的是同一人，我们需要把它们合并同类项，将代码进行优化后，我们得到：
运行结果：
相对于第一个程序，这个程序更为严谨与完整，已经得到了大致得到所需结果，但它还没有完全解决排除非人名这一问题，所以在该基础之上继续使用排除人名的方法去完善这一程序……
总结：
使用jieba库对一段文本进行词频的统计是一件非常有意思的事，我们只需要使用这第三方库，就可以在不阅读文本的情况下，得到该文本的高频率词汇。但jieba库的作用远远不止于此，它更多的作用等着我们去挖掘。总的来说，jieba库是一个优秀的中文分词第三方库，它在我们的程序中正大放光芒！
5人点赞
日记本