python中文分詞庫(kù)jieba使用方法詳解
安裝python中文分詞庫(kù)jieba
法1：Anaconda Prompt下輸入conda install jieba
法2：Terminal下輸入pip3 install jieba
1、分詞
1.1、CUT函數(shù)簡(jiǎn)介
cut(sentence, cut_all=False, HMM=True)
返回生成器，遍歷生成器即可獲得分詞的結(jié)果
lcut(sentence)
返回分詞列表
import jieba sentence = '我愛(ài)自然語(yǔ)言處理' # 創(chuàng)建【Tokenizer.cut 生成器】對(duì)象 generator = jieba.cut(sentence) # 遍歷生成器，打印分詞結(jié)果 words = '/'.join(generator) print(words)
打印結(jié)果
我/愛(ài)/自然語(yǔ)言/處理
import jieba
print(jieba.lcut('我愛(ài)南海中學(xué)'))
打印結(jié)果
[‘我', ‘愛(ài)', ‘南海中學(xué)']
1.2、分詞模式
精確模式：精確地切開(kāi)
全模式：所有可能的詞語(yǔ)都切出，速度快
搜索引擎模式：在精確模式的基礎(chǔ)上，對(duì)長(zhǎng)詞再次切分
import jieba
sentence = '訂單數(shù)據(jù)分析'
print('精準(zhǔn)模式：', jieba.lcut(sentence))
print('全模式：', jieba.lcut(sentence, cut_all=True))
print('搜索引擎模式：', jieba.lcut_for_search(sentence))
打印結(jié)果
精準(zhǔn)模式： [‘訂單', ‘?dāng)?shù)據(jù)分析']
全模式： [‘訂單', ‘訂單數(shù)', ‘單數(shù)', ‘?dāng)?shù)據(jù)', ‘?dāng)?shù)據(jù)分析', ‘分析']
搜索引擎模式： [‘訂單', ‘?dāng)?shù)據(jù)', ‘分析', ‘?dāng)?shù)據(jù)分析']
1.3、詞性標(biāo)注
jieba.posseg import jieba.posseg as jp sentence = '我愛(ài)Python數(shù)據(jù)分析' posseg = jp.cut(sentence) for i in posseg: print(i.__dict__) # print(i.word, i.flag)
打印結(jié)果
{‘word': ‘我', ‘flag': ‘r'}
{‘word': ‘愛(ài)', ‘flag': ‘v'}
{‘word': ‘Python', ‘flag': ‘eng'}
{‘word': ‘?dāng)?shù)據(jù)分析', ‘flag': ‘l'}
詞性標(biāo)注表
| 標(biāo)注 | 解釋 | 標(biāo)注 | 解釋 | 標(biāo)注 | 解釋 |
|---|---|---|---|---|---|
| a | 形容詞 | mq | 數(shù)量詞 | tg | 時(shí)語(yǔ)素 |
| ad | 副形詞 | n | 名詞 | u | 助詞 |
| ag | 形語(yǔ)素 | ng | 例：義 乳 亭 | ud | 例：得 |
| an | 名形詞 | nr | 人名 | ug | 例：過(guò) |
| b | 區(qū)別詞 | nrfg | 也是人名 | uj | 例：的 |
| c | 連詞 | nrt | 也是人名 | ul | 例：了 |
| d | 副詞 | ns | 地名 | uv | 例：地 |
| df | 例：不要 | nt | 機(jī)構(gòu)團(tuán)體 | uz | 例：著 |
| dg | 副語(yǔ)素 | nz | 其他專名 | v | 動(dòng)詞 |
| e | 嘆詞 | o | 擬聲詞 | vd | 副動(dòng)詞 |
| f | 方位詞 | p | 介詞 | vg | 動(dòng)語(yǔ)素 |
| g | 語(yǔ)素 | q | 量詞 | vi | 例：沉溺于 等同于 |
| h | 前接成分 | r | 代詞 | vn | 名動(dòng)詞 |
| i | 成語(yǔ) | rg | 例：茲 | vq | 例：去浄 去過(guò) 唸過(guò) |
| j | 簡(jiǎn)稱略語(yǔ) | rr | 人稱代詞 | x | 非語(yǔ)素字 |
| k | 后接成分 | rz | 例：這位 | y | 語(yǔ)氣詞 |
| l | 習(xí)用語(yǔ) | s | 處所詞 | z | 狀態(tài)詞 |
| m | 數(shù)詞 | t | 時(shí)間詞 | zg | 例：且 丗 丟 |
1.4、詞語(yǔ)出現(xiàn)的位置
jieba.tokenize(sentence) import jieba sentence = '訂單數(shù)據(jù)分析' generator = jieba.tokenize(sentence) for position in generator: print(position)
打印結(jié)果
(‘訂單', 0, 2) (‘?dāng)?shù)據(jù)分析', 2, 6)
2、詞典
2.1、默認(rèn)詞典
import jieba, os, pandas as pd
# 詞典所在位置
print(jieba.__file__)
jieba_dict = os.path.dirname(jieba.__file__) + r'\dict.txt'
# 讀取字典
df = pd.read_table(jieba_dict, sep=' ', header=None)[[0, 2]]
print(df.head())
# 轉(zhuǎn)字典
dt = dict(df.values)
print(dt.get('暨南大學(xué)'))
2.2、添詞和刪詞
往詞典添詞
add_word(word, freq=None, tag=None)
往詞典刪詞，等價(jià)于add_word(word, freq=0)
del_word(word)
import jieba
sentence = '天長(zhǎng)地久有時(shí)盡，此恨綿綿無(wú)絕期'
# 添詞
jieba.add_word('時(shí)盡', 999, 'nz')
print('添加【時(shí)盡】：', jieba.lcut(sentence))
# 刪詞
jieba.del_word('時(shí)盡')
print('刪除【時(shí)盡】：', jieba.lcut(sentence))
打印結(jié)果
添加【時(shí)盡】： [‘天長(zhǎng)地久', ‘有', ‘時(shí)盡', ‘，', ‘此恨綿綿', ‘無(wú)', ‘絕期']
刪除【時(shí)盡】： [‘天長(zhǎng)地久', ‘有時(shí)', ‘盡', ‘，', ‘此恨綿綿', ‘無(wú)', ‘絕期']
2.3、自定義詞典加載
新建詞典，按照格式【單詞 詞頻 詞性】添詞，以UTF-8編碼保存
使用函數(shù)load_userdict加載詞典
import os, jieba
# 創(chuàng)建自定義字典
my_dict = 'my_dict.txt'
with open(my_dict, 'w', encoding='utf-8') as f:
f.write('慕容紫英 9 nr\n云天河 9 nr\n天河劍 9 nz')
# 加載字典進(jìn)行測(cè)試
sentence = '慕容紫英為云天河打造了天河劍'
print('加載前：', jieba.lcut(sentence))
jieba.load_userdict(my_dict)
print('加載后：', jieba.lcut(sentence))
os.remove(my_dict)
打印結(jié)果
加載前： [‘慕容', ‘紫英為', ‘云', ‘天河', ‘打造', ‘了', ‘天河', ‘劍']
加載后： [‘慕容紫英', ‘為', ‘云天河', ‘打造', ‘了', ‘天河劍']
2.4、使單詞中的字符連接或拆分
suggest_freq(segment, tune=False)
import jieba
sentence = '上窮碧落下黃泉，兩處茫茫皆不見(jiàn)'
print('修正前：', ' | '.join(jieba.cut(sentence)))
jieba.suggest_freq(('落', '下'), True)
print('修正后：', ' | '.join(jieba.cut(sentence)))
打印結(jié)果
修正前： 上窮 | 碧 | 落下 | 黃泉 | ， | 兩處 | 茫茫 | 皆 | 不見(jiàn)
修正后： 上窮 | 碧落 | 下 | 黃泉 | ， | 兩處 | 茫茫 | 皆 | 不見(jiàn)
3、jieba分詞原理
基于詞典，對(duì)句子進(jìn)行詞圖掃描，生成所有成詞情況所構(gòu)成的有向無(wú)環(huán)圖（Directed Acyclic Graph）
根據(jù)DAG，反向計(jì)算最大概率路徑（動(dòng)態(tài)規(guī)劃算法；取對(duì)數(shù)防止下溢，乘法運(yùn)算轉(zhuǎn)為加法）
根據(jù)路徑獲取最大概率的分詞序列
import jieba
sentence = '中心小學(xué)放假'
DAG = jieba.get_DAG(sentence)
print(DAG)
route = {}
jieba.calc(sentence, DAG, route)
print(route)
DAG
{0: [0, 1, 3], 1: [1], 2: [2, 3], 3: [3], 4: [4, 5], 5: [5]}
最大概率路徑
{6: (0, 0), 5: (-9.4, 5), 4: (-12.6, 5), 3: (-20.8, 3), 2: (-22.5, 3), 1: (-30.8, 1), 0: (-29.5, 3)}
4、識(shí)別【帶空格的詞】
示例：使Blade Master這類中間有空格的詞被識(shí)別
import jieba, re
sentence = 'Blade Master疾風(fēng)刺殺Archmage'
jieba.add_word('Blade Master') # 添詞
print('修改前：', jieba.lcut(sentence))
jieba.re_han_default = re.compile('(.+)', re.U) # 修改格式
print('修改后：', jieba.lcut(sentence))
打印結(jié)果
修改前： [‘Blade', ' ', ‘Master', ‘疾風(fēng)', ‘刺殺', ‘Archmage']
修改后： [‘Blade Master', ‘疾風(fēng)', ‘刺殺', ‘Archmage']
5、其它
5.1、并行分詞
運(yùn)行環(huán)境：linux系統(tǒng)
開(kāi)啟并行分詞模式，參數(shù)n為并發(fā)數(shù)：jieba.enable_parallel(n)
關(guān)閉并行分詞模式：jieba.disable_parallel()
5.2、關(guān)鍵詞提取
基于TF-IDF：jieba.analyse
基于TextRank：jieba.textrank
import jieba.analyse as ja, jieba
text = '柳夢(mèng)璃施法破解了狐仙的法術(shù)'
jieba.add_word('柳夢(mèng)璃', tag='nr')
keywords1 = ja.extract_tags(text, allowPOS=('n', 'nr', 'ns', 'nt', 'nz'))
print('基于TF-IDF：', keywords1)
keywords2 = ja.textrank(text, allowPOS=('n', 'nr', 'ns', 'nt', 'nz'))
print('基于TextRank：', keywords2)
打印結(jié)果
基于TF-IDF： [‘柳夢(mèng)璃', ‘狐仙', ‘法術(shù)']
基于TextRank： [‘狐仙', ‘柳夢(mèng)璃', ‘法術(shù)']
5.3、修改HMM參數(shù)
import jieba
text = '柳夢(mèng)璃解夢(mèng)C法'
print(jieba.lcut(text, HMM=False)) # ['柳', '夢(mèng)', '璃', '解夢(mèng)', 'C', '法']
print(jieba.lcut(text)) # ['柳夢(mèng)璃', '解夢(mèng)', 'C', '法']
jieba.finalseg.emit_P['B']['C'] = -1e-9 # begin
print(jieba.lcut(text)) # ['柳夢(mèng)璃', '解夢(mèng)', 'C', '法']
jieba.finalseg.emit_P['M']['夢(mèng)'] = -100 # middle
print(jieba.lcut(text)) # ['柳', '夢(mèng)璃', '解夢(mèng)', 'C', '法']
jieba.finalseg.emit_P['S']['夢(mèng)'] = -.1 # single
print(jieba.lcut(text)) # ['柳', '夢(mèng)', '璃', '解夢(mèng)', 'C', '法']
jieba.finalseg.emit_P['E']['夢(mèng)'] = -.01 # end
print(jieba.lcut(text)) # ['柳夢(mèng)', '璃', '解夢(mèng)', 'C', '法']
jieba.del_word('柳夢(mèng)') # Force_Split_Words
print(jieba.lcut(text)) # ['柳', '夢(mèng)', '璃', '解夢(mèng)', 'C', '法']
[‘柳', ‘夢(mèng)', ‘璃', ‘解夢(mèng)', ‘C', ‘法']
[‘柳夢(mèng)璃', ‘解夢(mèng)', ‘C', ‘法']
[‘柳夢(mèng)璃', ‘解夢(mèng)', ‘C', ‘法']
[‘柳', ‘夢(mèng)璃', ‘解夢(mèng)', ‘C', ‘法']
[‘柳', ‘夢(mèng)', ‘璃', ‘解夢(mèng)', ‘C', ‘法']
[‘柳夢(mèng)', ‘璃', ‘解夢(mèng)', ‘C', ‘法']
[‘柳', ‘夢(mèng)', ‘璃', ‘解夢(mèng)', ‘C', ‘法']
更多關(guān)于python中文分詞庫(kù)jieba使用方法請(qǐng)查看下面的相關(guān)鏈接
相關(guān)文章
今天小編就為大家分享一篇在PyCharm中實(shí)現(xiàn)添加快捷模塊，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-02-02
Python基礎(chǔ)第三方模塊requests openpyxl
這篇文章主要為大家介紹了Python基礎(chǔ)第三方模塊requests openpyxl使用示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-11-11
Python?OpenCV形態(tài)學(xué)運(yùn)算示例詳解
這篇文章主要為大家介紹了OpenCV中的幾個(gè)形態(tài)學(xué)運(yùn)算，例如：腐蝕&膨脹、開(kāi)&閉運(yùn)算、梯度運(yùn)算、頂帽運(yùn)算黑帽運(yùn)算，感興趣的可以了解一下2022-04-04
教你用Python pygame設(shè)置窗口標(biāo)題和圖標(biāo)
今天給大家?guī)?lái)的是關(guān)于Python的相關(guān)知識(shí),文章圍繞著用Python pygame設(shè)置窗口標(biāo)題和圖標(biāo)展開(kāi),文中有非常詳細(xì)的介紹及代碼示例,需要的朋友可以參考下2021-06-06
Python如何實(shí)現(xiàn)網(wǎng)絡(luò)自動(dòng)化運(yùn)維華為設(shè)備
本文介紹了如何使用Python實(shí)現(xiàn)華為設(shè)備的網(wǎng)絡(luò)自動(dòng)化運(yùn)維,包括環(huán)境配置、設(shè)備配置、功能模塊實(shí)現(xiàn)和SFTP文件傳輸測(cè)試2024-11-11
在本文中小編給大家整理了關(guān)于Python函數(shù)和模塊的使用的相關(guān)知識(shí)點(diǎn)以及實(shí)例代碼內(nèi)容，需要的朋友們跟著學(xué)習(xí)下。2019-05-05
python爬蟲把url鏈接編碼成gbk2312格式過(guò)程解析
這篇文章主要介紹了python爬蟲把url鏈接編碼成gbk2312格式過(guò)程解析,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-06-06
這篇文章主要介紹了TensorFlow保存TensorBoard圖像操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-06-06
這篇文章主要介紹了解讀pandas.DataFrame.corrwith，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-11-11
python2.6版本中后引入的一個(gè)簡(jiǎn)單的繪圖工具，叫做海龜繪圖(Turtle?Graphics)。海龜繪圖（turtle庫(kù)）是python的內(nèi)部模塊,使用前導(dǎo)入即可。本文將展示三個(gè)通過(guò)海龜繪圖實(shí)現(xiàn)的小程序，快來(lái)跟隨小編一起學(xué)習(xí)吧2022-03-03