Python 结巴（jieba）库之花拳绣腿

目录

1、安装

2、常用函数

---

       结巴（jieba）库是百度工程师 Sun Junyi 开发的一个开源库，在 GitHub 上很受欢迎。

       作为优秀的中文分词第三方库， jieba 最流行的应用是分词，除此之外，还可以做关键词抽取、词频统计等。

        jieba 支持四种分词模式：

• 精确模式：试图将句子最精确地切开，不存在冗余单词；
• 搜索引擎模式：在精确模式基础上，对长词再次切分，提高召回率，适用于搜索引擎分词；
• 全模式：把句子中所有的可以成词的词语都扫描出来，有冗余；
• paddle 模式，利用 PaddlePaddle 深度学习框架，训练序列标注（双向GRU）网络模型实现分词。同时支持词性标注。

1、安装

        windows语境下，调用控制台，输入命令行：

pip install jieba

        Linux语境下，则需针对python的不同版本（2.x或3.x），使用不同的安装命令：

pip3 install jieba

2、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('伟大的中国人民万岁！') ['伟大', '的', '中国', '人民', '万岁', '！']
jieba.lcut(s, cut_all=True)	全模式，返回一个列表类型的分词结果，有冗余 >>> jieba.lcut('伟大的中国人民万岁！', cut_all=True) ['伟大', '的', '中国', '国人', '人民', '万岁', '！']
jieba.lcut_for_search(s)	搜索引擎模式，返回一个列表类型的分词结果，有冗余 >>>jieba.lcut_for_search('伟大的中国人民万岁！万万岁！') ['伟大', '的', '中国', '人民', '万岁', '！', '万万', '万岁', '万万岁', '！']
jieba.add_word(w)	将新词 w 加入分词词典 >>>jieba.add_word('绝绝子') >>>