Python中jieba库的介绍与使用

前言：

jieba是优秀的中文分词第三方库，由于中文文本之间每个汉字都是连续书写的，我们需要通过特定的手段来获得其中的每个词组，这种手段叫做分词，我们可以通过jieba库来完成这个过程。

目录：

一、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           

④jieba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

二、jieba库使用说明

 (1)jieba分词的三种模式

精确模式、全模式、搜索引擎模式

①  jieba.cut(s) 精确模式：把文本精确的切分开，不存在冗余单词:

② jieba.lcut(s,cut_all=True) 全模式：把文本中所有可能的词语都扫描出来，有冗余:

③jieba.lcut_for_search(s) 搜索引擎模式：在精确模式基础上，对长词再次切分:

三：jieba库的安装

因为 jieba 是一个第三方库，所有需要我们在本地进行安装：

ⅠIDLE中jieba库的安装：

Windows 下使用命令安装：在联网状态下，在命令行下输入 pip

install jieba 进行安装，安装完成后会提示安装成功。具体过程如图：

①  Win + r 打开运行框并输入cmd打开指令框：

②在指令框输入“pip install jieba”并按下回车等待下载：

③ 当出现“Successfully instll”，则表示安装成功！

Ⅱ Pycharm中jieba库的安装：

打开 settings，搜索 Project Interpreter，在右边的窗口选择 + 号，点击后在搜索框搜索 jieba，点击安装即可。具体过程如图：

①  点击左上角Files中的Settings：

②  [endif]找到“Project”中的“python interpreter”，并点击其中的“+”：

③在搜索栏中搜索“jieba”，并点击左下角Install Package：

④ 当出现“Successfully instll

jieba”，则表示jieba库安装成功！

四：实例-文本词频统计

Jieba库最强大的功能之一就是对文章出现的词汇进行计数统计，即计算词频，对于一篇文章或者一部著作，我们可以通过以下步骤对出现的单词进行统计：

源代码：

注：

①  encoding=’ANSI’:将打开的文本格式设为ANSI形式

②  read(size):方法从文件当前位置起读取size个字节，若无参数size，则表示读取至文件结束为止，它范围为字符串对象。

③items

= list（counts.items）:将counts中的元素存入items表格中。

④  key = lambda x:x[1]:等价于 def func(x):

 return x[1]

⑤ reverse = True：列表反转排序，不写reverse = True 就是列表升序排列，括号里面加上reverse =True 就是降序排列！

⑥  {0:<10}{1:>5}:<表示左对齐，>表示右对齐，数字表示宽度,<10表示左对齐，并占10个位置，>5表示右对齐，占5个位置。

运行结果：

如上运行结果有两个不足之处，一是词汇中出现了“却说”、“丞相”、“二人”等人名以外的单词，我们需要把这些单词去除；二是“孔明”与“孔明说”、“曹操”与“丞相”等的是同一人，我们需要把它们合并同类项，将代码进行优化后，我们得到：

运行结果：

相对于第一个程序，这个程序更为严谨与完整，已经得到了大致得到所需结果，但它还没有完全解决排除非人名这一问题，所以在该基础之上继续使用排除人名的方法去完善这一程序……

总结：

使用jieba库对一段文本进行词频的统计是一件非常有意思的事，我们只需要使用这第三方库，就可以在不阅读文本的情况下，得到该文本的高频率词汇。但jieba库的作用远远不止于此，它更多的作用等着我们去挖掘。总的来说，jieba库是一个优秀的中文分词第三方库，它在我们的程序中正大放光芒！

到此这篇关于Python中jieba库的介绍与使用的文章就介绍到这了,更多相关Python中jieba库使用内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论