jieba是python的一个中文分词库，下面介绍它的使用方法。

下面介绍下jieba的主要功能，具体信息可参考github文档：https://github.com/fxsjy/jieba

分词

jieba常用的三种模式：

1. 精确模式，试图将句子最精确地切开，适合文本分析；
2. 全模式，把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义；
3. 搜索引擎模式，在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。

可使用  和  方法进行分词，两者所返回的结构都是一个可迭代的 generator，可使用 for 循环来获得分词后得到的每一个词语（unicode），或者直接使用  以及  返回 list。

 ：使用该方法可以自定义分词器，可以同时使用不同的词典。 为默认分词器，所有全局分词相关函数都是该分词器的映射。

 和  可接受的参数如下：

1. 需要分词的字符串（unicode 或 UTF-8 字符串、GBK 字符串）
2. cut_all：是否使用全模式，默认值为 
3. HMM：用来控制是否使用 HMM 模型，默认值为 

 和  接受 2 个参数：

1. 需要分词的字符串（unicode 或 UTF-8 字符串、GBK 字符串）
2. HMM：用来控制是否使用 HMM 模型，默认值为 

需要注意的是，尽量不要使用 GBK 字符串，可能无法预料地错误解码成 UTF-8。

三种分词模式的比较：

自定义词典

开发者可以指定自己自定义的词典，以便包含 jieba 词库里没有的词。
用法： jieba.load_userdict(dict_path)

dict_path：为自定义词典文件的路径

词典格式如下：

一个词占一行；每一行分三部分：词语、词频（可省略）、词性（可省略），用空格隔开，顺序不可颠倒。

下面使用一个例子说明一下：

自定义字典 user_dict.txt：

下面比较下精确匹配、全匹配和使用自定义词典的区别：

从上面的例子中可以看出，使用自定义词典与使用默认词典的区别。

jieba.add_word()：向自定义字典中添加词语

关键词提取

可以基于 TF-IDF 算法进行关键词提取，也可以基于TextRank 算法。 TF-IDF 算法与 elasticsearch 中使用的算法是一样的。

使用 jieba.analyse.extract_tags() 函数进行关键词提取，其参数如下：

jieba.analyse.extract_tags(sentence, topK=20, withWeight=False, allowPOS=())

1. sentence 为待提取的文本
2. topK 为返回几个 TF/IDF 权重最大的关键词，默认值为 20
3. withWeight 为是否一并返回关键词权重值，默认值为 False
4. allowPOS 仅包括指定词性的词，默认值为空，即不筛选
5. jieba.analyse.TFIDF(idf_path=None) 新建 TFIDF 实例，idf_path 为 IDF 频率文件

也可以使用 jieba.analyse.TFIDF(idf_path=None) 新建 TFIDF 实例，idf_path 为 IDF 频率文件。

基于 TF-IDF 算法和TextRank算法的关键词抽取：

上面的代码是读取文件，提取出现频率最高的前12个词。

词性标注

词性标注主要是标记文本分词后每个词的词性，使用例子如下：

    以上就是本篇文章【python中jieba库使用教程】的全部内容了，欢迎阅览 ！ 文章地址：http://dfvalve.xrbh.cn/quote/5663.html 
     行业      资讯      企业新闻      行情      企业黄页      同类资讯      网站地图      返回首页 迅博思语资讯移动站 http://keant.xrbh.cn/ , 查看更多