码迷,mamicode.com
首页 > 编程语言 > 详细

python jieba库的使用说明

时间:2019-11-03 22:05:59      阅读:183      评论:0      收藏:0      [点我收藏+]

标签:tool   ever   出现   continue   搜索引擎   item   odi   tst   lse   

1、jieba库基本介绍

  (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、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 

         精确模式:把文本精确的切分开,不存在冗余单词
         - 全模式:把文本中所有可能的词语都扫描出来,有冗余

         - 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

 

技术图片
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

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。

 

本文为转载,原文链接:https://www.cnblogs.com/wkfvawl/p/9487165.html

python jieba库的使用说明

标签:tool   ever   出现   continue   搜索引擎   item   odi   tst   lse   

原文地址:https://www.cnblogs.com/mxk123/p/11789328.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!