当前位置: 首页 >服务端 > Python-jieba库

Python-jieba库

jieba库基本介绍

  • 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库提供三种分词模式,最简单只需掌握一个函数
  • jieba库安装

pip install jieba
  • jieba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库使用说明

  • 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,对长词再次切分
  • jieba库常用函数

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" ,cut_all=True)----->['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" )

实例 文本词频统计

"Hamlet英文词频统计"实例讲解

#CalHamletV1.pydef getText():txt = open("hamlet.txt", "r").read()txt = txt.lower()for ch in '!"#$%&()*+,-./:;<=>?@[\\]^_‘{|}~':txt = txt.replace(ch, " ")retu txthamletTxt = getText()words = hamletTxt.split()counts = {}for word in words:counts[word] = counts.get(word,0) + 1items = list(counts.items())items.sort(key=lambda x:x[1], reverse=True)for i in range(10):word, count = items[i]print("{0:<10}{1:>5}".format(word, count))

《三国演义》人物出场统计

#CalThreeKingdomsV2.pyimport jiebatxt = open("threekingdoms.txt", "r", encoding="utf-8").read()excludes = {"将军","却说","荆州","二人","不可","不能","如此"}words = jieba.lcut(txt)counts = {}for word in words:if len(word) == 1:continueelif word == "诸葛亮" or word == "孔明曰":rword = "孔明"elif word == "关公" or word == "云长":rword = "关羽"elif word == "玄德" or word == "玄德曰":rword = "刘备"elif word == "孟德" or word == "丞相":rword = "曹操"else:rword = wordcounts[rword] = counts.get(rword,0) + 1for word in excludes:del counts[word]items = list(counts.items())items.sort(key=lambda x:x[1], reverse=True)for i in range(10):word, count = items[i]print("{0:<10}{1:>5}".format(word, count))

作者:pillar_
来源链接:https://blog.csdn.net/sctec/article/details/82952752

版权声明:
1、JavaClub(https://www.javaclub.cn)以学习交流为目的,由作者投稿、网友推荐和小编整理收藏优秀的IT技术及相关内容,包括但不限于文字、图片、音频、视频、软件、程序等,其均来自互联网,本站不享有版权,版权归原作者所有。

2、本站提供的内容仅用于个人学习、研究或欣赏,以及其他非商业性或非盈利性用途,但同时应遵守著作权法及其他相关法律的规定,不得侵犯相关权利人及本网站的合法权利。
3、本网站内容原作者如不愿意在本网站刊登内容,请及时通知本站(javaclubcn@163.com),我们将第一时间核实后及时予以删除。





本文链接:https://www.javaclub.cn/server/112699.html

标签:jieba
分享给朋友:

“Python-jieba库” 的相关文章