当前位置:首页 > 服务端 > 使用python jieba库进行中文分词

使用python jieba库进行中文分词

2022年11月08日 18:24:04服务端12
jieba
“结巴”中文分词:做最好的 Python 中文分词组件
"Jieba" (Chinese for "to stutter") Chinese text segmentation: built to be the best Python Chinese word segmentation module.

功能参数:
  • jieba.cut 方法接受三个输入参数: 需要分词的字符串;cut_all 参数用来控制是否采用全模式;HMM 参数用来控制是否使用 HMM 模型
  • jieba.cut_for_search 方法接受两个参数:需要分词的字符串;是否使用 HMM 模型。该方法适合用于搜索引擎构建倒排索引的分词,粒度比较细
  • 待分词的字符串可以是 unicode 或 UTF-8 字符串、GBK 字符串。注意:不建议直接输入 GBK 字符串,可能无法预料地错误解码成 UTF-8
  • jieba.cut 以及 jieba.cut_for_search 返回的结构都是一个可迭代的 generator,可以使用 for 循环来获得分词后得到的每一个词语(unicode),或者用
  • jieba.lcut 以及 jieba.lcut_for_search 直接返回 list
  • jieba.Tokenizer(dictionary=DEFAULT_DICT) 新建自定义分词器,可用于同时使用不同词典。jieba.dt 为默认分词器,所有全局分词相关函数都是该分词器的映射。

安装:

pip install jieba


例子:

# encoding=utf-8
import jieba

seg_list = jieba.cut("我来到北京清华大学", cut_all=True)
print("Full Mode: " + "/ ".join(seg_list))  # 全模式

seg_list = jieba.cut("我来到北京清华大学", cut_all=False)
print("Default Mode: " + "/ ".join(seg_list))  # 精确模式

seg_list = jieba.cut("他来到了网易杭研大厦")  # 默认是精确模式
print(", ".join(seg_list))

seg_list = jieba.cut_for_search("小明硕士毕业于中国科学院计算所,后在日本京都大学深造")  # 搜索引擎模式
print(", ".join(seg_list))

输出:

【全模式】: 我/ 来到/ 北京/ 清华/ 清华大学/ 华大/ 大学
【精确模式】: 我/ 来到/ 北京/ 清华大学
【新词识别】:他, 来到, 了, 网易, 杭研, 大厦    (此处,“杭研”并没有在词典中,但是也被Viterbi算法识别出来了)
【搜索引擎模式】: 小明, 硕士, 毕业, 于, 中国, 科学, 学院, 科学院, 中国科学院, 计算, 计算所, 后, 在, 日本, 京都, 大学, 日本京都大学, 深造


关键词提取
基于 TF-IDF 算法的关键词抽取

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 20
  •     withWeight 为是否一并返回关键词权重值,默认值为 False
  •     allowPOS 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

vi extract_tags.py

import sys
sys.path.append('../')

import jieba
import jieba.analyse
from optparse import OptionParser

USAGE = "usage:  python extract_tags.py [file name] -k [top k]"

parser = OptionParser(USAGE)
parser.add_option("-k", dest="topK")
opt, args = parser.parse_args()

if len(args) < 1:
    print(USAGE)
    sys.exit(1)
file_name = args[0]

if opt.topK is None:
    topK = 10
else:
    topK = int(opt.topK)
content = open(file_name, 'rb').read()
tags = jieba.analyse.extract_tags(content, topK=topK)
print(",".join(tags))

运行(需分词的文本test.txt)
python extract_tags.py test.txt -k 20

jieba开源主页:https://github.com/fxsjy/jieba

作者:TURING.DT
来源链接:https://blog.csdn.net/levy_cui/article/details/51722121

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/68491.html

分享给朋友:

“使用python jieba库进行中文分词” 的相关文章

Python基础知识

Python基础知识

标识符,变量名、函数名、类名的统称 命名规范 只能包含字母、数字、下划线,并且不能以数字开头 不能与系统关键字、模块名相同 严格...

Windows平台Python指定版本安装模块包

Windows平台Python指定版本安装模块包

此文转载自:https://blog.csdn.net/Ginomica_xyx/article/details/110221826 Windows平台Python指定版本安装模块包 当电脑中存在多个版本的Pyt...

在远程桌面集群中——配置Python的环境变量

在远程桌面跑程序发现,无法导入numpy, 将anaconda的加载包复制过去,同时配置环境变量 对于集群去处理Python程序 vi .bashrc # added by Anaconda3 5.3.0 installer export...

python环境变量自动配置脚本(setx使用)

前言 setx不是windows系统自带的工具,需要到微软官网下载,但是有的系统也会自带。(是官方提供的,可放心食用) set和setx都可以用来配置环境变量。他们的不同点在于,set只是临时的修改环境变量,控制台关闭之后效果就消失,setx则可以永久改变环境变量(自动修改...

【新手入门】Windows下python环境变量配置(三)

  在Cocos2d-x 2.x以上版本,都是用python 命令创建工程。若要Windows支持python,需要到官网下载:https://www.python.org/downloads/,python目前版本为3.x以上了,我用的2.7.7 版本。因为3.x以上的版本本人感觉跟...

Python开发环境搭建

1、去到Python官网下载Python的安装程序https://www.python.org/ 2、直接运行Python安装程序python-2.7.13.msi(安装方法很简单,直接下一步、下一步即可) 3、配置Path环境变量(将Python的安装路径添加到Windo...

windows7下python环境变量配置

windows7下python环境变量配置

默认情况下,在windows下安装python之后,系统并不会自动添加相应的环境变量。此时不能在命令行或cmd里直接使用python命令。   1、 首先需要在系统中注册python环境变量:假设python的安装路径为C:\Users\Administ...

Python环境准备(安装python解释器)

Python环境准备(安装python解释器)

上篇文章介绍了Python的相关知识,本章就开始着手操作,创建第一个Python程序,在这之前,首先需要配置Python的运行环境,也就是安装python解释器 ------------- 完美的分割线 --------------- 1.python环境准备 ...

Python 多版本安装模块

Python 多版本安装模块

自己安装的是 3.7.3 版本的,但是在安装其他软件的时候自带有Python,但是版本都不一样,有2.7的有3.7的。 自己平时用没有问题,配置的环境都是自己的 3.7.3 的,在用其他软件的Python脚本功能时需要用到自带的Python,这时需要对对应的版本安装模块就有问题了...

Python2和Python3共存问题

Python2和Python3共存问题

前提条件:先准备一个新电脑 1.下载Python2和Python3的安装包,直接官网下载:https://www.python.org/download 2.配置环境变量,可以手动配置,也可以安装的时候自动配置环境变量 3.修改python.exe和pytho...

发表评论

访客

◎欢迎参与讨论,请在这里发表您的看法和观点。