设为首页 - 加入收藏 ASP站长网(Aspzz.Cn)- 科技、建站、经验、云计算、5G、大数据,站长网!
热搜: 创业者 数据 手机
当前位置: 首页 > 综合聚焦 > 编程要点 > 正文

python的jieba库干什么的?怎样运用?

发布时间:2022-01-14 13:13 所属栏目:[编程要点] 来源:互联网
导读:python的jieba库干什么的?一些刚接触Python的朋友可能对jieba库不是很了解,因此这篇文章就给大家来介绍一下,jieba库的作用、jieba库的安装以及jieba库的使用,感兴趣的朋友就继续往下看吧。 jieba库是一款优秀的 Python 第三方中文分词库,jieba 支持三种
      python的jieba库干什么的?一些刚接触Python的朋友可能对jieba库不是很了解,因此这篇文章就给大家来介绍一下,jieba库的作用、jieba库的安装以及jieba库的使用,感兴趣的朋友就继续往下看吧。
 
      jieba库是一款优秀的 Python 第三方中文分词库,jieba 支持三种分词模式:精确模式、全模式和搜索引擎模式,下面是三种模式的特点。
 
      精确模式:试图将语句最精确的切分,不存在冗余数据,适合做文本分析
 
      全模式:将语句中所有可能是词的词语都切分出来,速度很快,但是存在冗余数据
 
     搜索引擎模式:在精确模式的基础上,对长词再次进行切分
 
    一、jieba库的安装
    因为 jieba 是一个第三方库,所有需要我们在本地进行安装。
 
    Windows 下使用命令安装:在联网状态下,在命令行下输入 pip install jieba 进行安装,安装完成后会提示安装成功
 
    在 pyCharm 中安装:打开 settings,搜索 Project Interpreter,在右边的窗口选择 + 号,点击后在搜索框搜索 jieba,点击安装即可
 
    二、jieba三种模式的使用
# -*- coding: utf-8 -*-
import jieba
 
seg_str = "好好学习,天天向上。"
 
print("/".join(jieba.lcut(seg_str)))    # 精简模式,返回一个列表类型的结果
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
    分词效果:
 
 
    三、jieba 分词简单应用
    需求:使用 jieba 分词对一个文本进行分词,统计次数出现最多的词语,这里以三国演义为例
 
# -*- coding: utf-8 -*-
import jieba
 
txt = open("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())
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(3):
    word, count = items[i]
    print("{0:<5}{1:>5}".format(word, count))
    统计结果:
 
    你可以随便找一个文本文档,也可以到 https://github.com/coderjas/python-quick 下载上面例子中的文档。
 
    四、扩展:英文单词统计
    上面的例子统计实现了中文文档中出现最多的词语,接着我们就来统计一下一个英文文档中出现次数最多的单词。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, " ")      # 将文本中特殊字符替换为空格
    return txt
 
file_txt = get_text()
words = file_txt.split()    # 对字符串进行分割,获得单词列表
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))



(编辑:ASP站长网)

    网友评论
    推荐文章
      热点阅读