中科院漢語分詞系統是一個非常好用的分詞工具，和結巴分詞類似，但是比結巴分詞功能更加強大，而且更加個性化。

中科院分詞的使用步驟如下：

導入中科院分詞模塊 初始化pynlpir分詞庫。

在pynlpir庫中提供了open()函數用來初始化pynlpir分詞庫

1、需要下載【pynlpir】庫

2、【open()】函數介紹：

open()函數的原型如下：

pynlpir.open(data_dir=pynlpir.nlpir.PACKAGE_DIR, encoding=pynlpir.ENCODING, encoding_errors=pynlpir.ENCODING_ERRORS, license_code=None)

參數說明如下：

data_dir：表示分詞數據目錄對應的絕對路徑，默認值為pynlpir.nlpir.PACKAGE_DIR。

encoding：表示針對中文的編碼格式，默認為utf_8，也可以為gbk、big5。

encoding_errors：表示所需的編碼錯誤處理方案，默認為strict，也可以為ignore、replace。

license_code：表示使用中科院分詞的許可證編碼，僅商業用戶需要

import pynlpir #導入pynlpir庫pynlpir.open() #初始化pynlpir分詞庫 content = "真正的程序員的程序不會在第一次就正確運行，但是他們愿意守著機器進行若干個小時的調試改錯。" #獲取語句中的關鍵字 key_words = pynlpir.get_key_words(content, weighted=False) for word in key_words:print (word) pynlpir.close() #關閉pynlpir，釋放內存

3、【segment()】函數介紹：

中科院分詞提供了segment()函數進行分詞，并返回分詞后的列表。函數原型如下：

【pynlpir.segment(s, pos_tagging=True, pos_names='parent', pos_english=True)】

參數說明如下：

s：需要分詞的中文，必須是Unicode編碼或者UTF-8編碼的字符串。

pos_tagging：表示是否包含部分的詞性標注，值為False時表示只做分詞，而不顯示詞性（形容詞、名詞等）。

pos_names：參數在pos_tagging為True時才生效，只能是parent、child和all三個值，默認是parent，表示獲取該詞性的最頂級詞性，child表示獲取該詞性的最具體的信息，all表示獲取該詞性相關的所有詞性信息。

pos_english：表示詞性標注結果是否以中文的形式顯示，為False表示以中文的形式顯示

import pynlpir #導入pynlpir庫 pynlpir.open() #初始化pynlpir分詞庫 content = "真正的程序員的程序不會在第一次就正確運行，但是他們愿意守著機器進行若干個小時的調試改錯。" #不輸出詞性 words = pynlpir.segment(content,pos_tagging=False) for word in words:print (word,"/") print ("\n****輸出詞性****") #獲取分詞處理后每個詞語以及其最頂級的詞性，并以中文輸出詞性 words = pynlpir.segment(content,pos_tagging=True, pos_names='parent', pos_english=False) for word in words:print ("詞：", word[0],"詞性：", word[1]) pynlpir.close() #關閉pynlpir，釋放內存

4、【get_key_words()】函數介紹：

函數原型：【pynlpir.get_key_words(s ,max_words=50, weighted=False)】

參數說明如下：

s：需要分詞的中文，必須是Unicode編碼或者UTF-8編碼的字符串。

max_words：表示最多能夠查找的關鍵字，默認為50。

weighted：表示是否返回關鍵字的權重，默認不返回

import pynlpir #導入pynlpir庫 pynlpir.open() #初始化pynlpir分詞庫 content = "真正的程序員的程序不會在第一次就正確運行，但是他們愿意守著機器進行若干個小時的調試改錯。" #不輸出權重 words = pynlpir.get_key_words(content,weighted=False) for word in words:print (word) print ("\n****關鍵字帶權重****") words = pynlpir.get_key_words(content,max_words=50,weighted=True) for word in words:print ("關鍵字：",word[0],"權重：",word[1]) pynlpir.close() #關閉pynlpir，釋放內存

5、實際使用：

在實際使用中，往往需要針對某一段文字統計其中關鍵字出現的次數。

’通過對次數的統計可以知道哪些關鍵字經常出現。

使用中科院分詞進行關鍵字統計的步驟如下： 定義一個字典對象，用來保存關鍵字和其出現的次數。初始化該列表數據，關鍵字出現的次數設置為初始值0。

使用get_key_words()函數獲取關鍵字的列表數據。

使用segment()函數對該段文字進行分詞處理，從而得到返回的分詞列表數據。 循環遍歷分詞列表數據，判斷其中的元素是否屬于關鍵字，如果屬于關鍵字則將字典對象中對應關鍵字出現的次數加1

import pynlpir #導入pynlpir庫 pynlpir.open() #初始化pynlpir分詞庫 content = "真正的程序員的程序不會在第一次就正確運行，但是他們愿意守著機器進行若干個小時的調試改錯。" wordDict = {} #定義字典對象，保存關鍵字及出現的次數 key_words = pynlpir.get_key_words(content, weighted=False) #獲取關鍵字 for word in key_words:wordDict[word] = 0 words = pynlpir.segment(content, pos_tagging=False, pos_english=False) for word in words:if key_words.count(word) > 0:wordDict[word] = wordDict[word] + 1 #關鍵字次數加1 for item in wordDict:print (item,"出現次數為：",wordDict[item]) #輸出關鍵字及出現的次數 pynlpir.close() #關閉pynlpir，釋放內存

愿本文對你的文章分析能有一個非常有效的幫助。

總結

以上是生活随笔為你收集整理的python pynlpir中科院分词的使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。