Python jieba库用法及实例解析
1、jieba库基本介绍
(1)、jieba库概述
jieba是优秀的中文分词第三方库
- -中文文本需要通过分词获得单个的词语
- -jieba是优秀的中文分词第三方库,需要额外安装
- -jieba库提供三种分词模式,最简单只需掌握一个函数
(2)、jieba分词的原理
Jieba分词依靠中文词库
-利用一个中文词库,确定汉字之间的关联概率
-汉字间概率大的组成词组,形成分词结果
-除了分词,用户还可以添加自定义的词组
jieba库使用说明
(1)、jieba分词的三种模式
精确模式、全模式、搜索引擎模式
- -精确模式:把文本精确的切分开,不存在冗余单词
- -全模式:把文本中所有可能的词语都扫描出来,有冗余
- -搜索引擎模式:在精确模式基础上,对长词再次切分
(2)、jieba库常用函数
2.jieba应用实例
3.利用jieba库统计三国演义中任务的出场次数
importjieba txt=open("D:\\三国演义.txt","r",encoding='utf-8').read() words=jieba.lcut(txt)#使用精确模式对文本进行分词 counts={}#通过键值对的形式存储词语及其出现的次数 forwordinwords: iflen(word)==1:#单个词语不计算在内 continue else: counts[word]=counts.get(word,0)+1#遍历所有词语,每出现一次其对应的值加1 items=list(counts.items())#将键值对转换成列表 items.sort(key=lambdax:x[1],reverse=True)#根据词语出现的次数进行从大到小排序 foriinrange(15): word,count=items[i] print("{0:<5}{1:>5}".format(word,count))
统计了次数对多前十五个名词,曹操不愧是一代枭雄,第一名当之无愧,但是我们会发现得到的数据还是需要进一步处理,比如一些无用的词语,一些重复意思的词语。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。