目錄
- 一、jieba庫的安裝
- 二、jieba三種模式的使用
- 三、jieba 分詞簡單應(yīng)用
- 四、擴展：英文單詞統(tǒng)計
jieba庫是一款優(yōu)秀的 Python 第三方中文分詞庫，jieba 支持三種分詞模式：精確模式、全模式和搜索引擎模式，下面是三種模式的特點。
精確模式：試圖將語句最精確的切分，不存在冗余數(shù)據(jù)，適合做文本分析
全模式：將語句中所有可能是詞的詞語都切分出來，速度很快，但是存在冗余數(shù)據(jù)
搜索引擎模式：在精確模式的基礎(chǔ)上，對長詞再次進行切分
一、jieba庫的安裝
因為 jieba 是一個第三方庫，所有需要我們在本地進行安裝。
Windows 下使用命令安裝：在聯(lián)網(wǎng)狀態(tài)下，在命令行下輸入 pip install jieba 進行安裝，安裝完成后會提示安裝成功
在 pyCharm 中安裝：打開 settings，搜索 Project Interpreter，在右邊的窗口選擇 + 號，點擊后在搜索框搜索 jieba，點擊安裝即可
二、jieba三種模式的使用
# -*- coding: utf-8 -*-
import jieba
seg_str = "好好學習，天天向上。"
print("/".join(jieba.lcut(seg_str))) # 精簡模式，返回一個列表類型的結(jié)果
print("/".join(jieba.lcut(seg_str, cut_all=True))) # 全模式，使用 'cut_all=True' 指定
print("/".join(jieba.lcut_for_search(seg_str))) # 搜索引擎模式
分詞效果：
三、jieba 分詞簡單應(yīng)用
需求：使用 jieba 分詞對一個文本進行分詞，統(tǒng)計次數(shù)出現(xiàn)最多的詞語，這里以三國演義為例
# -*- coding: utf-8 -*-
import jieba
txt = open("三國演義.txt", "r", encoding='utf-8').read()
words = jieba.lcut(txt) # 使用精確模式對文本進行分詞
counts = {} # 通過鍵值對的形式存儲詞語及其出現(xiàn)的次數(shù)
for word in words:
if len(word) == 1: # 單個詞語不計算在內(nèi)
continue
else:
counts[word] = counts.get(word, 0) + 1 # 遍歷所有詞語，每出現(xiàn)一次其對應(yīng)的值加 1
items = list(counts.items())
items.sort(key=lambda x: x[1], reverse=True) # 根據(jù)詞語出現(xiàn)的次數(shù)進行從大到小排序
for i in range(3):
word, count = items[i]
print("{0:5}{1:>5}".format(word, count))
統(tǒng)計結(jié)果：
你可以隨便找一個文本文檔，也可以到 https://github.com/coderjas/python-quick 下載上面例子中的文檔。
四、擴展：英文單詞統(tǒng)計
上面的例子統(tǒng)計實現(xiàn)了中文文檔中出現(xiàn)最多的詞語，接著我們就來統(tǒng)計一下一個英文文檔中出現(xiàn)次數(shù)最多的單詞。原理同上
# -*- coding: utf-8 -*-
def get_text():
txt = open("1.txt", "r", encoding='UTF-8').read()
txt = txt.lower()
for ch in '!"#$%()*+,-./:;=>?@[\\]^_‘{|}~':
txt = txt.replace(ch, " ") # 將文本中特殊字符替換為空格
return txt
file_txt = get_text()
words = file_txt.split() # 對字符串進行分割，獲得單詞列表
counts = {}
for word in words:
if len(word) == 1:
continue
else:
counts[word] = counts.get(word, 0) + 1
items = list(counts.items())
items.sort(key=lambda x: x[1], reverse=True)
for i in range(5):
word, count = items[i]
print("{0:5}->{1:>5}".format(word, count))
統(tǒng)計結(jié)果：
到此這篇關(guān)于Python中jieba庫的使用方法的文章就介紹到這了,更多相關(guān)Python jieba庫內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- 超級好用的4個Python命令行可視化庫
- Python中g(shù)lob庫實現(xiàn)文件名的匹配
- 學會Python數(shù)據(jù)可視化必須嘗試這7個庫
- 淺談Python響應(yīng)式類庫RxPy
- Python下opencv庫的安裝過程及問題匯總
- 教你用Python matplotlib庫制作簡單的動畫
- 總結(jié)幾個非常實用的Python庫
