前言：

jieba是優(yōu)秀的中文分詞第三方庫(kù)，由于中文文本之間每個(gè)漢字都是連續(xù)書(shū)寫(xiě)的，我們需要通過(guò)特定的手段來(lái)獲得其中的每個(gè)詞組，這種手段叫做分詞，我們可以通過(guò)jieba庫(kù)來(lái)完成這個(gè)過(guò)程。

目錄：

一、jieba庫(kù)基本介紹

(1)jieba庫(kù)概述

① jieba是優(yōu)秀的中文分詞第三方庫(kù)

②中文文本需要通過(guò)分詞獲得單個(gè)的詞語(yǔ)③ jieba是優(yōu)秀的中文分詞第三方庫(kù)，需要額外安裝           

④jieba庫(kù)提供三種分詞模式，最簡(jiǎn)單只需掌握一個(gè)函數(shù)

 (2)jieba分詞的原理

①分詞依靠中文詞庫(kù)

②  利用一個(gè)中文詞庫(kù)，確定漢字之間的關(guān)聯(lián)概率

③ 漢字間概率大的組成詞組，形成分詞結(jié)果

④ 除了分詞，用戶還可以添加自定義的詞組

二、jieba庫(kù)使用說(shuō)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(kāi)，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(yǔ)都掃描出來(lái)，有冗余:

③jieba.lcut_for_search(s) 搜索引擎模式：在精確模式基礎(chǔ)上，對(duì)長(zhǎng)詞再次切分:

三：jieba庫(kù)的安裝

因?yàn)?nbsp;jieba 是一個(gè)第三方庫(kù)，所有需要我們?cè)诒镜剡M(jìn)行安裝：

ⅠIDLE中jieba庫(kù)的安裝：

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(jìn)行安裝，安裝完成后會(huì)提示安裝成功。具體過(guò)程如圖：

①  Win + r 打開(kāi)運(yùn)行框并輸入cmd打開(kāi)指令框：

②在指令框輸入“pip install jieba”并按下回車(chē)等待下載：

③ 當(dāng)出現(xiàn)“Successfully instll”，則表示安裝成功！

Ⅱ Pycharm中jieba庫(kù)的安裝：

打開(kāi) settings，搜索 Project Interpreter，在右邊的窗口選擇 + 號(hào)，點(diǎn)擊后在搜索框搜索 jieba，點(diǎn)擊安裝即可。具體過(guò)程如圖：

①  點(diǎn)擊左上角Files中的Settings：

②  [endif]找到“Project”中的“python interpreter”，并點(diǎn)擊其中的“+”：

③在搜索欄中搜索“jieba”，并點(diǎn)擊左下角Install Package：

④ 當(dāng)出現(xiàn)“Successfully instll

jieba”，則表示jieba庫(kù)安裝成功！

四：實(shí)例-文本詞頻統(tǒng)計(jì)

Jieba庫(kù)最強(qiáng)大的功能之一就是對(duì)文章出現(xiàn)的詞匯進(jìn)行計(jì)數(shù)統(tǒng)計(jì)，即計(jì)算詞頻，對(duì)于一篇文章或者一部著作，我們可以通過(guò)以下步驟對(duì)出現(xiàn)的單詞進(jìn)行統(tǒng)計(jì)：

源代碼：

注：

①  encoding=’ANSI’:將打開(kāi)的文本格式設(shè)為ANSI形式

②  read(size):方法從文件當(dāng)前位置起讀取size個(gè)字節(jié)，若無(wú)參數(shù)size，則表示讀取至文件結(jié)束為止，它范圍為字符串對(duì)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(jià)于 def func(x):

 return x[1]

⑤ reverse = True：列表反轉(zhuǎn)排序，不寫(xiě)reverse = True 就是列表升序排列，括號(hào)里面加上reverse =True 就是降序排列！

⑥  {0:<10}{1:>5}:<表示左對(duì)齊，>表示右對(duì)齊，數(shù)字表示寬度,<10表示左對(duì)齊，并占10個(gè)位置，>5表示右對(duì)齊，占5個(gè)位置。

運(yùn)行結(jié)果：

如上運(yùn)行結(jié)果有兩個(gè)不足之處，一是詞匯中出現(xiàn)了“卻說(shuō)”、“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(shuō)”、“曹操”與“丞相”等的是同一人，我們需要把它們合并同類項(xiàng)，將代碼進(jìn)行優(yōu)化后，我們得到：

運(yùn)行結(jié)果：

相對(duì)于第一個(gè)程序，這個(gè)程序更為嚴(yán)謹(jǐn)與完整，已經(jīng)得到了大致得到所需結(jié)果，但它還沒(méi)有完全解決排除非人名這一問(wèn)題，所以在該基礎(chǔ)之上繼續(xù)使用排除人名的方法去完善這一程序……

總結(jié)：

使用jieba庫(kù)對(duì)一段文本進(jìn)行詞頻的統(tǒng)計(jì)是一件非常有意思的事，我們只需要使用這第三方庫(kù)，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(kù)的作用遠(yuǎn)遠(yuǎn)不止于此，它更多的作用等著我們?nèi)ネ诰??？偟膩?lái)說(shuō)，jieba庫(kù)是一個(gè)優(yōu)秀的中文分詞第三方庫(kù)，它在我們的程序中正大放光芒！

到此這篇關(guān)于Python中jieba庫(kù)的介紹與使用的文章就介紹到這了,更多相關(guān)Python中jieba庫(kù)使用內(nèi)容請(qǐng)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！

最新評(píng)論