Python学习笔记——jieba “结巴”中文分词

jieba 是一款号称最好用的Python中文分词组件，分词效果非常棒。支持三种分词模式，代码对 Python 2/3 均兼容，可以用于某些项目的数据预处理。

官方GitHub

https://github.com/fxsjy/jieba

安装

• 全自动安装： easy_install jieba 或者 pip install jieba / pip3 install jieba
• 半自动安装：先下载 https://pypi.python.org/pypi/jieba/ ，解压后运行 python setup.py install
• 手动安装：将 jieba 目录放置于当前目录或者 site-packages 目录
• 通过 import jieba 来引用

三种分词模式

• 精确模式，试图将句子最精确地切开，适合文本分析；
• 全模式，把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义；
• 搜索引擎模式，在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。

示例程序：

# encoding=utf-8
import jieba

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

# 精确模式，也是默认模式即cut_all=False
seg_list = jieba.cut("他来到了网易杭研大厦")  
pr