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
jieba.posseg是结巴分词库中的一个模块,用于进行中文分词和词性标注。它可以将文本进行分词,并为每个词语标注相应的词性。通过使用jieba.posseg,可以实现分词精确模式、全模式和搜索引擎模式,并且可以提取关键字。\[1\]\[3\]例如,可以使用jieba.posseg.cut函数对文本进行分词和词性标注,使用jieba.posseg.POSTokenizer函数创建自定义分词器,还可以使用jieba.posseg.dt作为默认的词性标注分词器。\[1\]此外,还可以通过加载自定义词典文件来增加分词的准确性和识别特定词汇,例如四川方言。\[2\]总之,jieba.posseg是一个功能强大的中文分词和词性标注工具。 #### 引用[.reference_title] - *1* *2* [【自然语言处理】-jieba学习笔记(二)](https://blog.youkuaiyun.com/SUOLONG1/article/details/124507251)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [python jieba模块基本命令讲解](https://blog.youkuaiyun.com/qq_24726509/article/details/83958738)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 1
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