目錄一、jieba庫的安裝二、jieba三種模式的使用三、jieba 分詞簡單應用四、擴展：英文單詞統計

jieba庫是一款優秀的 Python 第三方中文分詞庫，jieba 支持三種分詞模式：精確模式、全模式和搜索引擎模式，下面是三種模式的特點。

精確模式：試圖將語句最精確的切分，不存在冗余數據，適合做文本分析

全模式：將語句中所有可能是詞的詞語都切分出來，速度很快，但是存在冗余數據

搜索引擎模式：在精確模式的基礎上，對長詞再次進行切分

一、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。

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

在 pyCharm 中安裝：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

二、jieba三種模式的使用

# -*- coding: utf-8 -*-import jiebaseg_str = '好好學習，天天向上。'print('/'.join(jieba.lcut(seg_str))) # 精簡模式，返回一個列表類型的結果print('/'.join(jieba.lcut(seg_str, cut_all=True))) # 全模式，使用 ’cut_all=True’ 指定 print('/'.join(jieba.lcut_for_search(seg_str))) # 搜索引擎模式

分詞效果：

三、jieba 分詞簡單應用

需求：使用 jieba 分詞對一個文本進行分詞，統計次數出現最多的詞語，這里以三國演義為例

# -*- coding: utf-8 -*-import jiebatxt = open('三國演義.txt', 'r', encoding=’utf-8’).read()words = jieba.lcut(txt) # 使用精確模式對文本進行分詞counts = {} # 通過鍵值對的形式存儲詞語及其出現的次數for word in words: if len(word) == 1: # 單個詞語不計算在內continue else:counts[word] = counts.get(word, 0) + 1 # 遍歷所有詞語，每出現一次其對應的值加 1items = list(counts.items())items.sort(key=lambda x: x[1], reverse=True) # 根據詞語出現的次數進行從大到小排序for i in range(3): word, count = items[i] print('{0:<5}{1:>5}'.format(word, count))

統計結果：

你可以隨便找一個文本文檔，也可以到 https://github.com/coderjas/python-quick 下載上面例子中的文檔。

四、擴展：英文單詞統計

上面的例子統計實現了中文文檔中出現最多的詞語，接著我們就來統計一下一個英文文檔中出現次數最多的單詞。原理同上

# -*- coding: utf-8 -*-def get_text(): txt = open('1.txt', 'r', encoding=’UTF-8’).read() txt = txt.lower() for ch in ’!'#$%&()*+,-./:;<=>?@[]^_‘{|}~’:txt = txt.replace(ch, ' ') # 將文本中特殊字符替換為空格 return txtfile_txt = get_text()words = file_txt.split() # 對字符串進行分割，獲得單詞列表counts = {}for word in words: if len(word) == 1:continue else:counts[word] = counts.get(word, 0) + 1 items = list(counts.items()) items.sort(key=lambda x: x[1], reverse=True) for i in range(5): word, count = items[i] print('{0:<5}->{1:>5}'.format(word, count))

統計結果：

到此這篇關于Python中jieba庫的使用方法的文章就介紹到這了,更多相關Python jieba庫內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！