文章目录

jieba库
- 一、简介
- - 1、是什么
  - 2、安装
- 二、基本使用
- - 1、三种模式
  - 2、使用语法
  - - 2.1 对词组的基本操作
    - 2.2 关键字提取
    - 2.3 词性标注
    - 2.4 返回词语在原文的起止位置

jieba库

一、简介

1、是什么

（1）jieba是优秀的中文分词第三方库

中文文本需要通过分词获得单个的词语
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分词的原理

jieba分词依靠中文词库
利用一个中文词库，确定汉字之间的关联概率
汉字间概率大的组成词组，形成分词结果
除了分词，用户还可以添加自定义的词组

2、安装

pip install jieba
导入
import jieba

官方文档【https://github.com/fxsjy/jieba】

二、基本使用

1、三种模式

精确模式：

就是把一段文本精确地切分成若干个中文单词，若干个中文单词之间经过组合，就精确地还原之前的文本。其中不存在冗余单词

str = "你好呀，我叫李华！多多关照！"
print(jieba.lcut(str))

全模式：

将一段文本中所有可能的词语都扫描出来，可能有一段文本，它可以切分成不同的模式，或者有不同的角度来切分变成不同的词语，在全模式下，jieba库会将各种不同的组合都挖掘出来。分词后的信息组合起来会有冗余，不再是原来的文本

str = "你好呀，我叫李华！多多关照！"
print(jieba.lcut(str, cut_all=True))

搜索引擎模式：

在精确模式的基础上，对发现的那些长的词语，我们会对它再次切分，进而适合搜索引擎对短词语的索引和搜索。也有冗余

str = "你好呀，我叫李华！多多关照！"
print(jieba.lcut_for_search(str))

2、使用语法

2.1 对词组的基本操作

添加

str = "你好呀，我叫李华！多多关照！"
jieba.add_word("你")
print(jieba.lcut(str))

删除

str = "你好呀，我叫李华！多多关照！"
jieba.del_word("李华")
print(jieba.lcut(str))

加载自定义词典

str = "你好呀，我叫李华！多多关照！"
jieba.load_userdict("./dict.txt")  # 文件编码必须为 utf-8
print(jieba.lcut(str))

调整词出现的频率

str = "你好呀，我叫李华！多多关照！"
jieba.suggest_freq(("李", "华"), True)
print(jieba.lcut(str))

2.2 关键字提取

TFIDF算法

import jieba.analyse  # 导包jieba.analyse.extract_tags(sentence, topK=20, withWeight=False,allowPOS=())
jieba.analyse.TFIDF(idf_path=None)  # 创建一个新的 TFIDF 实例，idf_path是指指定 IDF 频率文件的路径

参数：

sentence：要提取的文本

topK：返回多少个具有最高TF/IDF权重的关键字。默认值为 20

withWeight：是否返回关键字的TF/IDF权重。默认为假

allowPOS：过滤包含POS（词性）的单词。空无过滤，可以选择['ns', 'n', 'vn', 'v','nr']

TextRank算法

jieba.analyse.textrank(sentence, topK=20, withWeight=False, allowPOS=('ns', 'n', 'vn', 'v'))  # 有默认词性
jieba.analyse.TextRank()  # 新建自定义 TextRank 实例

2.3 词性标注

jieba.posseg.POSTokenizer(tokenizer=None)

新建自定义分词器，tokenizer 参数可指定内部使用的 jieba.Tokenizer 分词器

jieba.posseg.dt 为默认词性标注分词器

import jieba.possegstr = "你好呀，我叫李华！多多关照！"
pt = jieba.posseg.POSTokenizer()
print(pt.lcut(str))  # 得到 pair键值对，使用遍历取值
# print(jieba.posseg.cut(str))  # 作用一样
for i, k in ps.lcut(str):print(i, k)

2.4 返回词语在原文的起止位置

jieba.tokenize(arg, mode=None)

mode有搜索模式（search）和默认模式（default）

import jiebastr = "你好呀，我叫李华！多多关照！"
g = jieba.tokenize(str, mode="search")  # 生成器
for i in g:print(i)

Python 中 jieba 库相关推荐

python中jieba库的安装
jieba库的作用主要用于中文分词,是一种不错的中文分词组件. python中的库可以理解为有三种:python自带的,自己定义的,第三方库(别人写好的,如jieba库,要从网上下载,进行安装) 常用 ...
Python中jieba库的使用
jieba库是一款优秀的 Python 第三方中文分词库,利用一个中文词库,确定汉字之间的关联概率,汉字间概率大的组成词组,形成分词结果目录 jieba库的安装与引用安装引用 jiaba库分词功 ...
Python中jieba库的安装方法
方法一:使用pycharm里的检索项(此方法适用于需要使用pycharm的小伙伴) 1.打开pycharm,在File下打开Settings. 2.在Project Interpret菜单栏下,点击& ...
python jieba库下载_Python中jieba库安装步骤及失败原因解析
Python 中 jieba 库安装步骤及失败原因解析作为计算机小白, Python 的流行也让我蠢蠢欲动, 在请教计算机专业同学后,开始上网课自学 Python 基础知识.今天老师简单的一句话 ...
基于python中jieba包的中文分词中详细使用
基于python中jieba包的中文分词中详细使用(一) 01.前言之前的文章中也是用过一些jieba分词但是基本上都是处于皮毛,现在就现有的python环境中对其官方文档做一些自己的理解以及具体的 ...
python的jieba库第一次中文分词记录
python的jieba库第一次中文分词记录记录一下最基本的jieba分词程序 1.通过cut import jiebaseg = jieba.cut("这是一段中文字符", c ...
NLP之TEA：基于python编程(jieba库)实现中文文本情感分析(得到的是情感评分)
NLP之TEA:基于python编程(jieba库)实现中文文本情感分析(得到的是情感评分) 目录输出结果设计思路相关资料 1.关于代码 2.关于数据集关于留言 1.留言内容的注意事项 2.如 ...
python tkinter库、添加gui界面_使用Python中tkinter库简单gui界面制作及打包成exe的操作方法（二）...
使用Python中tkinter库简单gui界面制作及打包成exe的操作方法(二),创建一个,界面,布局,文件,路径使用Python中tkinter库简单gui界面制作及打包成exe的操作方法(二) ...
python opencv创建图像_使用Python中OpenCV库创建一幅图片的RGB通道图片
我们知道,在使用PhotoShop进行图片的抠取.创建和存储选区.存储图像的色彩资料等复杂操作时,经常会用到一个功能,那就是"RGB"通道,它能从三原色角度对一幅图片进行精准处理. ...
python中requests库的用途-数据爬虫（三）：python中requests库使用方法详解
有些网站访问时必须带有浏览器等信息,如果不传入headers就会报错,如下使用 Requests 模块,上传文件也是如此简单的,文件的类型会自动进行处理: 因为12306有一个错误证书,我们那它的网 ...

Python 中 jieba 库

文章目录

jieba库

一、简介

1、是什么

2、安装

二、基本使用

1、三种模式

2、使用语法

2.1 对词组的基本操作

2.2 关键字提取

2.3 词性标注

2.4 返回词语在原文的起止位置

Python 中 jieba 库相关推荐

最新文章

热门文章

Python 中 jieba 库

文章目录

jieba库

一、 简介

1、 是什么

2、 安装

二、 基本使用

1、 三种模式

2、 使用语法

2.1 对词组的基本操作

2.2 关键字提取

2.3 词性标注

2.4 返回词语在原文的起止位置

Python 中 jieba 库相关推荐

最新文章

热门文章

一、简介

1、是什么

2、安装

二、基本使用

1、三种模式

2、使用语法