python中文分词,使用结巴分词对python进行分词(实例讲解)
在采集美女站时，需要对关键词进行分词，最终采用的是python的结巴分词方法。
中文分词是中文文本处理的一个基础性工作，结巴分词利用进行中文分词。
其基本实现原理有三点：
1.基于Trie树结构实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图（DAG)
2.采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合
3.对于未登录词，采用了基于汉字成词能力的HMM模型，使用了Viterbi算法
安装（Linux环境）
下载工具包，解压后进入目录下，运行：python setup.py install
模式
1.默认模式，试图将句子最精确地切开，适合文本分析
2.全模式，把句子中所有的可以成词的词语都扫描出来，适合搜索引擎
接口
• 组件只提供jieba.cut 方法用于分词
• cut方法接受两个输入参数：
• 第一个参数为需要分词的字符串
• cut_all参数用来控制分词模式
• 待分词的字符串可以是gbk字符串、utf-8字符串或者unicode
• jieba.cut返回的结构是一个可迭代的generator，可以使用for循环来获得分词后得到的每一个词语(unicode)，也可以用list(jieba.cut(...))转化为list
• seg=jieba.cut("http://www.gg4493.cn/"):
实例
#! -*- coding:utf-8 -*-
import jieba
seg_list = jieba.cut("我来到北京清华大学", cut_all = True)
print "Full Mode:", ' '.join(seg_list)
seg_list = jieba.cut("我来到北京清华大学")
print "Default Mode:", ' '.join(seg_list)
结果
以上这篇python中文分词,使用结巴分词对python进行分词(实例讲解)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
最近闲着学习python，看到有个paramiko模块，貌似很强大，所以从网上学习后总结了这篇文章，下面这篇文章就给大家介绍了Python中Paramiko模块的安装与使用，文中介绍的很详细，相信对大家的学习很有帮助，有需要的朋友们下面来一起看看吧。2016-11-11
Python基于pycrypto实现的AES加密和解密算法示例
这篇文章主要介绍了Python基于pycrypto实现的AES加密和解密算法,结合实例形式分析了Python使用pycrypto模块进行AES加密与解密操作相关实现技巧,需要的朋友可以参考下2018-04-04
Python在信息学竞赛中的运用及Python的基本用法(详解)
下面小编就为大家带来一篇Python在信息学竞赛中的运用及Python的基本用法(详解)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-08-08
python 实现 hive中类似 lateral view explode的功能示例
这篇文章主要介绍了python 实现 hive中类似 lateral view explode的功能示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-05-05
这篇文章主要为大家详细介绍了运动检测ViBe算法python实现代码，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-01-01
这篇文章主要介绍了Python列表解析操作,结合实例形式总结分析了Python列表解析常见的列表推导式、循环语句、条件列表、嵌套列表等相关操作技巧,需要的朋友可以参考下2020-02-02
数组索引是指使用方括号（[]）来索引数组值,numpy提供了比常规的python序列更多的索引工具，除了按整数和切片索引之外，数组可以由整数数组索引、布尔索引及花式索引，这篇文章主要介绍了Python NumPy 数组索引,需要的朋友可以参考下2023-01-01
这篇文章主要介绍了python关于字典及遍历的常用方法，字典的键可以是字符串、整数、元组或字典。字典的值也可以是字符串、整数，文章围绕主题展开更多详细的内容，需要的小伙伴可以参考一下2022-06-06
这篇文章主要介绍了python使用json.dumps输出中文问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2023-02-02
使用python自动登录baidu hi的代码，有需要的朋友可以参考下2013-02-02
最新评论