分詞是一種數(shù)學(xué)上的應(yīng)用，他可以直接根據(jù)詞語之間的數(shù)學(xué)關(guān)系進(jìn)行文字或者單詞的抽象，比如，講一句話“我來自地球上中國(guó)”進(jìn)行單詞分割，我們可能會(huì)得到如下的內(nèi)容：“我”、“來自”、“地球上”、“中國(guó)”，這些就相當(dāng)于是分詞的概念，在我們搜索引擎開發(fā)的過程中，是必須要要使用到分詞的概念的。

jieba簡(jiǎn)介

jieba是一個(gè)在中文自然語言處理過程中使用最多的工具包之一，目前能夠?qū)崿F(xiàn)包括分詞、詞性標(biāo)注以及命名實(shí)體識(shí)別等多種功能，一般的，jieba為我們提供了以下三種分詞模式：

·精確模式：將句子進(jìn)行最精確的切分，分詞速度相對(duì)較低，但是分詞準(zhǔn)確。

·全模式：基于此會(huì)列表，能夠?qū)⑺械目梢苑衷~的詞語都掃描出來，分詞速度非常快，凡是不能解決歧義性。

·搜索引擎模式：在精確模式的基礎(chǔ)上，對(duì)長(zhǎng)詞進(jìn)行在切分，適合在搜索引擎中進(jìn)行監(jiān)理索引進(jìn)行的分詞。

常用的方法有：

·`jieba.cut` 方法接受三個(gè)輸入?yún)?shù): 需要分詞的字符串；cut_all 參數(shù)用來控制是否采用全模式；HMM 參數(shù)用來控制是否使用 HMM 模型

·?`jieba.cut_for_search` 方法接受兩個(gè)參數(shù)：需要分詞的字符串；是否使用 HMM 模型。該方法適合用于搜索引擎構(gòu)建倒排索引的分詞，粒度比較細(xì)

·?待分詞的字符串可以是 unicode 或 UTF-8 字符串、GBK 字符串。注意：不建議直接輸入 GBK 字符串，可能無法預(yù)料地錯(cuò)誤解碼成 UTF-8

·?`jieba.cut` 以及 `jieba.cut_for_search` 返回的結(jié)構(gòu)都是一個(gè)可迭代的 generator，可以使用 for 循環(huán)來獲得分詞后得到的每一個(gè)詞語(unicode)，或者用?`jieba.lcut` 以及 `jieba.lcut_for_search` 直接返回 list

·?`jieba.Tokenizer(dictionary=DEFAULT_DICT)` 新建自定義分詞器，可用于同時(shí)使用不同詞典。`jieba.dt` 為默認(rèn)分詞器，所有全局分詞相關(guān)函數(shù)都是該分詞器的映射。

1 '''

2 @Description: jieba分詞練習(xí)3 @Version: 1.04 @Autor: Montoin Yan5 @Date: 2020-02-09 20:46:286 @LastEditors : Montoin Yan7 @LastEditTime : 2020-02-09 20:55:408 '''

9 #encoding=utf-8

10 importjieba11

12 result_list = jieba.cut("我是中國(guó)青年團(tuán)團(tuán)員", cut_all=True)13 print("全模式:" + ",".join(result_list)) #全模式

14

15 result_list = jieba.cut("我是中國(guó)青年團(tuán)團(tuán)員")16 print("精準(zhǔn)模式:" + ",".join(result_list)) #精確模式

17

18 result_list = jieba.cut_for_search("我是一個(gè)學(xué)生，我熱愛編程，并且我想成為一個(gè)好的IT工作者") #搜索引擎模式

19 print("搜索引擎模式：" + ",".join(result_list))

結(jié)果如下所示：

jieba安裝

可以通過鏡像網(wǎng)站進(jìn)行安裝：

win+r打開cmd，使用??pip install jieba -i https://pypi.douban.com/simple/? 進(jìn)行安裝，如果顯示連接超時(shí)，則在編譯器終端進(jìn)行下載即可。

jieba實(shí)例

下面這個(gè)例子進(jìn)行了jeiba分詞完整的分詞操作

1 '''

2 @Description: jieba分詞處理3 @Version: 1.04 @Autor: Montoin Yan5 @Date: 2020-02-09 19:26:136 @LastEditors : Montoin Yan7 @LastEditTime : 2020-02-09 20:21:448 '''

9

10 importos,jieba11

12 PATH = "jieba_demo/文章.txt" #定義讀取路徑

13

14 defmain():15 results = {} #保存最終的讀取結(jié)果，以字典形式進(jìn)行存儲(chǔ)

16 with open(file=PATH,mode="r",encoding="UTF-8") as file:17 data = file.readline() #按照單行進(jìn)行文件讀取

18 #print(data)

19 while data: #如果讀到數(shù)據(jù)

20 words = jieba.cut(data,cut_all=False) #對(duì)數(shù)據(jù)進(jìn)行分詞，不采用全模式，進(jìn)行精確分詞

21 for word inwords:22 if len(word) == 1:23 continue

24 else:25 results[word] = results.get(word,0) + 1 #將多有讀取到的詞放到字典中，如果沒有，默認(rèn)值為0

26 data = file.readline() #繼續(xù)讀取

27 items = list(results.items()) #取出全部的內(nèi)容

28 items.sort(key=lambda x: x[1],reverse=True) #降序排列

29 #print(items)

30 for i initems:31 print("%s:%s" % (i[0],i[1]))32

33

34 if __name__ == "__main__":35 main()

分詞結(jié)果如下：

總結(jié)

以上是生活随笔為你收集整理的jieba分词错误_jieba分词处理的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。