Python jieba分词使用方法记录

最新推荐文章于 2025-03-09 10:46:14 发布

乱写乱画

最新推荐文章于 2025-03-09 10:46:14 发布

阅读量449

点赞数

分类专栏： Python data_science

本文链接：https://blog.youkuaiyun.com/qq_41802773/article/details/105795631

版权

本文介绍了Python中jieba库的分词方法，包括jieba.cut和jieba.cut_for_search，详细解释了参数作用，并提供了代码示例，如自定义词典、动态增删词的操作。适用于文本处理和搜索引擎的构建。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

方法说明：

jieba.cut 方法接受三个输入参数: 需要分词的字符串；cut_all 参数用来控制是否采用全模式；HMM 参数用来控制是否使用 HMM 模型
jieba.cut_for_search 方法接受两个参数：需要分词的字符串；是否使用 HMM 模型。该方法适合用于搜索引擎构建倒排索引的分词，粒度比较细，待分词的字符串可以是 unicode 或 UTF-8 字符串、GBK 字符串。注意：不建议直接输入 GBK 字符串，可能无法预料地错误解码成 UTF-8
jieba.cut 以及 jieba.cut_for_search 返回的结构都是一个可迭代的 generator，可以使用 for 循环来获得分词后得到的每一个词语(unicode)，或者用 jieba.lcut 以及 jieba.lcut_for_search 直接返回 list
jieba.Tokenizer(dictionary=DEFAULT_DICT) 新建自定义分词器，可用于同时使用不同词典。jieba.dt 为默认分词器，所有全局分词相关函数都是该分词器的映射。

代码示例：

# 导入自定义词典，可以是文件也可以是字典
# 导入文件
try:
    jieba.load_userdict(fuserdict)
except IOError:
    print ("userdict is not accessible.")

# 导入字典
userdict_sql = 'select word, word_frequency from userdict where (username = "{0}" or username = "admin");'.format(username, user_id

最低0.47元/天解锁文章