zoukankan      html  css  js  c++  java
  • jieba笔记

    功能 1):分词

    • jieba.cut方法接受两个输入参数: 1) 第一个参数为需要分词的字符串 2)cut_all参数用来控制是否采用全模式

    • jieba.cut_for_search方法接受一个参数:需要分词的字符串,该方法适合用于搜索引擎构建倒排索引的分词,粒度比较细

    • 注意:待分词的字符串可以是gbk字符串、utf-8字符串或者unicode

    • jieba.cut以及jieba.cut_for_search返回的结构都是一个可迭代的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

     1 #encoding=utf-8
     2 import jieba
     3 
     4 seg_list = jieba.cut("我来到北京清华大学",cut_all=True)
     5 print "Full Mode:", "/ ".join(seg_list) #全模式
     6 
     7 seg_list = jieba.cut("我来到北京清华大学",cut_all=False)
     8 print "Default Mode:", "/ ".join(seg_list) #精确模式
     9 
    10 seg_list = jieba.cut("他来到了网易杭研大厦") #默认是精确模式
    11 print ", ".join(seg_list)
    12 
    13 seg_list = jieba.cut_for_search("小明硕士毕业于中国科学院计算所,后在日本京都大学深造") #搜索引擎模式
    14 print ", ".join(seg_li

    output

    【全模式】: 我/ 来到/ 北京/ 清华/ 清华大学/ 华大/ 大学
    
    【精确模式】: 我/ 来到/ 北京/ 清华大学
    
    【新词识别】:他, 来到, 了, 网易, 杭研, 大厦    (此处,“杭研”并没有在词典中,但是也被Viterbi算法识别出来了)
    
    【搜索引擎模式】: 小明, 硕士, 毕业, 于, 中国, 科学, 学院, 科学院, 中国科学院, 计算, 计算所, 后, 在, 日本, 京都, 大学, 日本京都大学, 

    功能 2) :添加自定义词典

  • 相关阅读:
    MySQL 命令(一)
    HTML5 表单新增元素与属性
    怎样用SQL修改某个字段的部分内容
    百度sitemap.xml
    Dedecms自定义表单后台列表展现方式样式更改
    织梦seo
    织梦DedeCMS自定义表单diy_list.htm
    织梦采集文章
    播放视频插件swfobject.js与Video Html5
    织梦简单的自定义表单字段
  • 原文地址:https://www.cnblogs.com/cppb/p/5974070.html
Copyright © 2011-2022 走看看