大家好,又见面了,我是你们的朋友全栈君。
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
2、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
3、jieba应用实例
4、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
for word inwords:if len(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=lambda x: x[1], reverse=True) #根据词语出现的次数进行从大到小排序
for i in range(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。
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/142156.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...