jieba分词dict.txt相关内容记录

最新推荐文章于 2025-04-28 17:09:07 发布

CIZAhhxx

最新推荐文章于 2025-04-28 17:09:07 发布

阅读量2.9k

点赞数 2

CC 4.0 BY-SA版权

文章标签： python 自然语言处理

本文链接：https://blog.youkuaiyun.com/CIZAhhxx/article/details/120886980

本文介绍了如何在Python环境下，利用jieba分词库进行自定义字典操作。首先，jieba的默认字典位于anaconda3/envs/虚拟环境名/lib/python3.8/site-packages/jieba内，文件名为dict.txt。为了更换字典，你可以选择更小内存占用的dict.txt.small或支持繁体分词的dict.txt.big，并覆盖原文件，或者通过jieba.set_dictionary()函数指定新的字典路径。这种方法对于特定业务场景的分词优化非常有用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近用jieba进行分词，使用的字典有一些业务上的，记录一下相关操作。

1.因我用的anaconda3配置的虚拟环境，jieba的安装路径是在：

/anaconda3/envs/虚拟环境名/lib/python3.8/site-packages/jieba

2.jieba默认的字典为：dict.txt

vim ./dict.txt 查看默认字典形式

词汇词频词性

AT&T 3 nz
B超 3 n
c# 3 nz
C# 3 nz
c++ 3 nz
C++ 3 nz
T恤 4 n
A座 3 n
A股 3 n
A型 3 n
A轮 3 n
AA制 3 n
AB型 3 n
B座 3 n
B股 3 n
B型 3 n
B超 3 n
B轮 3 n
BB机 3 n
BP机 3 n
C盘 3 n
C座 3 n
C语言 3 n
CD盒 3 n
CD机 3 n

词典格式和 dict.txt 一样，一个词占一行；每一行分三部分：词语、词频（可省略）、词性（可省略），用空格隔开，顺序不可颠倒。

如果需要更换其他字典：

1.占用内存较小的词典文件 https://github.com/fxsjy/jieba/raw/master/extra_dict/dict.txt.small

2.支持繁体分词更好的词典文件 https://github.com/fxsjy/jieba/raw/master/extra_dict/dict.txt.big

下载你所需要的词典，备份后覆盖 jieba/dict.txt 即可；

或者用 jieba.set_dictionary('data/dict.txt.big')，指定分词等功能的字典。