码迷,mamicode.com
首页 > 其他好文 > 详细

jieba库的使用说明

时间:2020-12-09 12:09:11      阅读:6      评论:0      收藏:0      [点我收藏+]

标签:range   利用   使用   根据   任务   else   搜索引擎   简单   切分   

1、jieba库基本介绍

(1)、jieba库概述

  1. jieba是优秀的中文分词第三方库

  2. -中文文本需要通过分词获得单个的词语

  3. - jieba是优秀的中文分词第三方库,需要额外安装

  4. - 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

  1. Jieba分词依靠中文词库

  2. - 利用一个中文词库,确定汉字之间的关联概率

  3. - 汉字间概率大的组成词组,形成分词结果

  4. - 除了分词,用户还可以添加自定义的词组

2、jieba库使用说明

(1)、jieba分词的三种模式

  1. 精确模式、全模式、搜索引擎模式

  2. - 精确模式:把文本精确的切分开,不存在冗余单词

  3. - 全模式:把文本中所有可能的词语都扫描出来,有冗余

  4. - 搜索引擎模式:在精确模式基础上,对长词再次切分

(2)、jieba库常用函数

技术图片

 

 

 

3.jieba应用实例

技术图片

 

 

 

4.利用jieba库统计三国演义中任务的出场次数

import jieba

 

txt = open("D:\\三国演义.txt", "r", encoding=utf-8).read()

words = jieba.lcut(txt) # 使用精确模式对文本进行分词

counts = {} # 通过键值对的形式存储词语及其出现的次数

 

for word in words:

if len(word) == 1: # 单个词语不计算在内

continue

else:

counts[word] = counts.get(word, 0) + 1 # 遍历所有词语,每出现一次其对应的值加 1

 

items = list(counts.items())#将键值对转换成列表

items.sort(key=lambda x: x[1], reverse=True) # 根据词语出现的次数进行从大到小排序

 

for i in range(15):

word, count = items[i]

print("{0:<5}{1:>5}".format(word, count))

 

 

技术图片

 

 

 

统计了次数对多前十五个名词,曹操不愧是一代枭雄,第一名当之无愧,但是我们会发现得到的数据还是需要进一步处理,比如一些无用的词语,一些重复意思的词语。

 

转自:微信公众号:程序员大佬

jieba库的使用说明

标签:range   利用   使用   根据   任务   else   搜索引擎   简单   切分   

原文地址:https://www.cnblogs.com/tjp40922/p/14088069.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!