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库分为精确模式、全模式、搜索引擎模式
原理
1.利用一个中文词库,确定汉子之间的关系概率
2.汉字间概率大的组成词组,形成分词结果
3.除了分词,用户还可以添加自定义的词组
安装
pip install jieba 如果下载失败需要使用 -i 转镜像源可以参考这个博客https://www.cnblogs.com/love2000/p/11639572.html
提示下载成功
精准模式
jieba.lcut(s)
全模式
jieba.lcut(s,cut_all=True)
搜索引擎模式
jieba.lcut_for_search(s)
模式说明:
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