Python:jieba库的介绍与使用
前言：
jieba是優秀的中文分詞第三方庫，由于中文文本之間每個漢字都是連續書寫的，我們需要通過特定的手段來獲得其中的每個詞組，這種手段叫做分詞，我們可以通過jieba庫來完成這個過程。
目錄：
一、jieba庫基本介紹
(1)jieba庫概述
①?jieba是優秀的中文分詞第三方庫
②中文文本需要通過分詞獲得單個的詞語③?jieba是優秀的中文分詞第三方庫，需要額外安裝??????? ? ?
④jieba庫提供三種分詞模式，最簡單只需掌握一個函數
?(2)jieba分詞的原理
①分詞依靠中文詞庫
②? 利用一個中文詞庫，確定漢字之間的關聯概率
③ 漢字間概率大的組成詞組，形成分詞結果
④?除了分詞，用戶還可以添加自定義的詞組
二、jieba庫使用說明
?(1)jieba分詞的三種模式
????? ?精確模式、全模式、搜索引擎模式
①? jieba.cut(s) 精確模式：把文本精確的切分開，不存在冗余單詞:
?
②?jieba.lcut(s,cut_all=True) 全模式：把文本中所有可能的詞語都掃描出來，有冗余:
③jieba.lcut_for_search(s) 搜索引擎模式：在精確模式基礎上，對長詞再次切分:
?
三：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：
ⅠIDLE中jieba庫的安裝：
Windows 下使用命令安裝：在聯網狀態下，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。具體過程如圖：
①? Win + r 打開運行框并輸入cmd打開指令框：
?
②在指令框輸入“pip install jieba”并按下回車等待下載：
?
③ 當出現“Successfully instll”，則表示安裝成功！
Ⅱ Pycharm中jieba庫的安裝：
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。具體過程如圖：
①? 點擊左上角Files中的Settings：
?
②? [endif]找到“Project”中的“python interpreter”，并點擊其中的“+”：
?
③在搜索欄中搜索“jieba”，并點擊左下角Install Package：
?
④ 當出現“Successfully instll
jieba”，則表示jieba庫安裝成功！
四：實例-文本詞頻統計
Jieba庫最強大的功能之一就是對文章出現的詞匯進行計數統計，即計算詞頻，對于一篇文章或者一部著作，我們可以通過以下步驟對出現的單詞進行統計：
源代碼：
注：
①? encoding=’ANSI’:將打開的文本格式設為ANSI形式
②? read(size):方法從文件當前位置起讀取size個字節，若無參數size，則表示讀取至文件結束為止，它范圍為字符串對象。
③items
= list（counts.items）:將counts中的元素存入items表格中。
④? key = lambda x:x[1]:等價于 def func(x):
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? return x[1]
⑤ reverse = True：列表反轉排序，不寫reverse = True 就是列表升序排列，括號里面加上reverse =True 就是降序排列！
⑥??{0:<10}{1:>5}:<表示左對齊，>表示右對齊，數字表示寬度,<10表示左對齊，并占10個位置，>5表示右對齊，占5個位置。
運行結果：
如上運行結果有兩個不足之處，一是詞匯中出現了“卻說”、“丞相”、“二人”等人名以外的單詞，我們需要把這些單詞去除；二是“孔明”與“孔明說”、“曹操”與“丞相”等的是同一人，我們需要把它們合并同類項，將代碼進行優化后，我們得到：
運行結果：
相對于第一個程序，這個程序更為嚴謹與完整，已經得到了大致得到所需結果，但它還沒有完全解決排除非人名這一問題，所以在該基礎之上繼續使用排除人名的方法去完善這一程序……
總結：
使用jieba庫對一段文本進行詞頻的統計是一件非常有意思的事，我們只需要使用這第三方庫，就可以在不閱讀文本的情況下，得到該文本的高頻率詞匯。但jieba庫的作用遠遠不止于此，它更多的作用等著我們去挖掘。總的來說，jieba庫是一個優秀的中文分詞第三方庫，它在我們的程序中正大放光芒！
?
5人點贊
?
日記本
?
?
總結
以上是生活随笔為你收集整理的Python:jieba库的介绍与使用的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 情 人 节 快 乐
- 下一篇： Oracle9i 问题汇总--不断更新中