使用jieba库分词

一.什么是jieba库

1.jieba库概述

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词语。

2.jieba库的使用：(jieba库支持3种分词模式)

通过中文词库的方式识别

精确模式：把文本精确的切分开，不存在冗余单词

全模式：把文本所有可能的词语都描述出来，有冗余

搜索引擎模式：在精确模式的基础上，对长词进行切分

3.jieba库是属于python中优秀的中文分词第三方库，需要额外安装

二.安装jieba库

途径1：百度jieba库下载(百度上很多jieba库的安装教程，可以参考一下)

方法2：在计算机命令行输入

pip install jieba

按下回车就会自动安装，稍微等待就可以了

三.函数库的调用

jieba库在python的 IDLE中运行时可以使用两种导入方式

(1)

导入库函数：import

使用库中函数： . ()

例如：import jieba

jieba.lcut()

jieba.lcut(" ",cut_all=True)

jieba.lcut_for_search()

(2) 导入库函数：from    import * ( *为通配符 )

使用库中函数： ()

例如：from jieba import *

lcut()

lcut(" ",cut_all=True)

lcut_for_search()

四.jieba库的实际应用(对文本的词频统计)

文本是水浒传，百度上下载的

1 from jieba import *

2 excludes=lcut_for_search("头领两个一个武松如何只见说道军马众人那里")3 txt=open("水浒传.txt","r").read()4 words=lcut(txt)5 counts={}6 for word inwords:7 if len(word)==1:8 continue

9 elif word =="及时雨" or word == "公明" or word =="哥哥" or word == "公明曰":10 rword ="宋江"

11 elif word =="黑旋风" or word =="黑牛":12 rword ="李逵"

13 elif word =="豹子头" or word == "林教头":14 rword ="林冲"

15 elif word =="智多星" or word =="吴用曰":16 rword ="吴用"

17 else:18 rword=word19 counts[word]=counts.get(word,0)+1

20 for word inexcludes:21 del(counts[word])22 items=list(counts.items())23 items.sort(key=lambda x:x[1],reverse=True)24 for i in range(10):25 word,count=items[i]26 print("{0:<10}{1:>5}".format(word,count))

运行结果：(有些多余的词语未做好排除，代码仍需要改进)

五.词云图(jieba库与wordcloud库的结合应用)

from wordcloud import WordCloud

import matplotlib.pyplot as plt

from jieba import *

# 生成词云

def create_word_cloud(filename):

text = open("{}.txt".format(filename)).read()

font = 'C:\Windows\Fonts\simfang.ttf'

wordlist = cut(text, cut_all=True) # 结巴分词

wl = " ".join(wordlist)

# 设置词云

wc = WordCloud(

# 设置背景颜色

background_color="black",

# 设置最大显示的词云数

max_words=200,

# 这种字体都在电脑字体中，一般路径

font_path= font,

height=1200,

width=1600,

# 设置字体最大值

max_font_size=100,

# 设置有多少种随机生成状态，即有多少种配色方案

random_state=100,

)

myword = wc.generate(wl) # 生成词云

# 展示词云图

plt.imshow(myword)

plt.axis("off")

plt.show()

wc.to_file('img_book.png') # 把词云保存下

if __name__ == '__main__':

create_word_cloud('水浒传')

运行结果