jieba分词dict.txt相关内容记录

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。
 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值