1. jieba 库概念
jieba 是优秀的中文分词第三方库
- 中文文本需要通过分词或得单个的词语
- jieba 是优秀的中文分词第三方库，需要额外安装
- jieba 库提供三种分词模式，最简单只需掌握一个函数
2. jieba 库的安装
命令行
pip install jieba
image.png
image.png
2. jieba 分词的原理
- 利用一个中文词库，确定汉字之间构成词语的关联概率
- 汉字间概率大的组成词组，形成分词结果
3. jieba 分词的三种模式
精确模式、全模式、搜索引擎模式
- 精确模式：把文本精确的企鹅分开，不存在冗余单词
- 全模式：把文本所有可能的词语都扫描出来，有冗余
- 搜索引擎模式：在精确模式基础上，对长词再次切分，有冗余
4. jieba 库常用函数
jieba.lcut(s) 精确模式，返回一个列表类型的分词结果
jieba.lcut(s,cut_all=True) 全模式，返回一个列表类型的分词结果，存在冗余
jieba.lcut_for_search(s) 搜索引擎模式，返回一个列表类型的分词结果，存在冗余
jieba.add_word(w) 向分词词典增加新词w
>>> import jieba
>>> jieba.lcut("中国是一个伟大的国家")
Building prefix dict from the default dictionary ...
Dumping model to file cache C:\Users\旺\AppData\Local\Temp\jieba.cache
Loading model cost 0.740 seconds.
Prefix dict has been built succesfully.
['中国', '是', '一个', '伟大', '的', '国家']
>>> jieba.lcut("中国是一个伟大的国家",cut_all=True)
['中国', '国是', '一个', '伟大', '的', '国家']
>>> jieba.lcut_for_search("中华人民共和国是伟大的")
['中华', '华人', '人民', '共和', '共和国', '中华人民共和国', '是', '伟大', '的']
