Python jieba库用法及实例解析
作者：王陸 发布时间：2021-04-15 22:11:44
标签：python,jieba,库
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
import jieba
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 in words:
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。
来源：https://www.cnblogs.com/wkfvawl/p/9487165.html
0
投稿猜你喜欢
- 1、查看数据类型In [11]: arr = np.array([1,2,3,4,5])In [12]: arrOut[12]: array
- 本文实例讲述了python列表操作之extend和append的区别。分享给大家供大家参考。具体如下：li = ['a',
简介每一门数据库语言语法都基本相似，但是对于他们各自的一些特性（函数、存储过程等）的用法就不大相同了，就好比Oracle与Mysql存储过程- “站内信”不同于电子邮件，电子邮件通过专门的邮件服务器发送、保存。而“站内信”是系统内的消息，说白了，“站内信”的实现，就是通过数据库插入记
- 注意：如果您尚未阅读过原来那篇老文章《悟透JavaScript》，请先行阅读该文，以了解上下文关系。在上面的示例中，我们定义了两个语法甘露，
- 【背景】 最近学习碰到了一件挺令人尴尬的事情，我把MySQL的密码给忘记了，所以
- test.asp 测试演示文件clsrsa.asp 实现rsa加密与解密的vbs类文件下面是代码:1. test.asp<％rem 文
- 如何在页面中实现对电子信箱的访问？emaile.htm<HTML><HEAD><META NAME=
- 某日，路上收到用户咨询，为了清除空间，想删除某200多G大表数据，且已经确认此表不再有业务访问，于是执行了一条命令‘de
- 一、程序功能：为Repeater实现分页二、窗体设计：1、新建ASP.NET Web应用程序，命名为Repeater2，保存路径为http:
- 为什么要使用缓存？一个 * 站的基本权衡点就是，它是动态的。 每次用户请求页面，服务器会重新计算。从开销处理的角度来看，这比你读取一个现成的
- 字符串类型是python里面最常见的类型，是不可变类型，支持单引号、双引号、三引号，三引号是一对连续的单引号或者双引号，允许一个字符串跨多行
- Spark Streaming VS Structured StreamingSpark Streaming是Spark最初的流处理框架，使
- 环境：windows10_x64python3.9_x64pjsua-2.10vs2015pjsua编译参考这里： https://www.
- 本文实例讲述了Python实现使用request模块下载图片。分享给大家供大家参考，具体如下：利用流传输下载图片# -*- coding:
- mysql等其他数据库中有随着记录的插入而表ID自动增长的功能,而oracle却没有这样的功能,我们有以下两种方式可以解决字段自增长的功能。
- python中random.sample()方法可以随机地从指定列表中提取出N个不同的元素，但在实践中发现，当N的值比较大的时候，该方法执行
- join的写法如果用left join 左边的表一定是驱动表吗？两个表的join包含多个条件的等值匹配，都要写道on还是只把一个写到on，其
- 如下所示：str='abcdef'print(str.endswith('f'))print(str.sta
- 1 停机方案发布公告停止服务离线数据迁移（拆分，重新分配数据）数据校验更改配置恢复服务回滚预案2 停写方案支持读写分离升级公告中断写操作，隔
