python中文分词,使用结巴分词对python进行分词(实例讲解)
2017-11-14 09:04
866 查看
在采集美女站时,需要对关键词进行分词,最终采用的是python的结巴分词方法。
中文分词是中文文本处理的一个基础性工作,结巴分词利用进行中文分词。
其基本实现原理有三点:
1.基于Trie树结构实现高效的词图扫描,生成句子中汉字所有可能成词情况所构成的有向无环图(DAG)
2.采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合
3.对于未登录词,采用了基于汉字成词能力的HMM模型,使用了Viterbi算法
安装(Linux环境)
下载工具包,解压后进入目录下,运行:python setup.py install
模式
1.默认模式,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,适合搜索引擎
接口
• 组件只提供jieba.cut 方法用于分词
• cut方法接受两个输入参数:
• 第一个参数为需要分词的字符串
• cut_all参数用来控制分词模式
• 待分词的字符串可以是gbk字符串、utf-8字符串或者unicode
• jieba.cut返回的结构是一个可迭代的generator,可以使用for循环来获得分词后得到的每一个词语(unicode),也可以用list(jieba.cut(...))转化为list
• seg=jieba.cut("http://www.gg4493.cn/"):
实例
#! -*- coding:utf-8 -*- import jieba seg_list = jieba.cut("我来到北京清华大学", cut_all = True) print "Full Mode:", ' '.join(seg_list) seg_list = jieba.cut("我来到北京清华大学") print "Default Mode:", ' '.join(seg_list)
结果
以上这篇python中文分词,使用结巴分词对python进行分词(实例讲解)就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
您可能感兴趣的文章:
相关文章推荐
- python中文分词,使用结巴分词对python进行分词
- 使用python 的结巴(jieba)库进行中文分词
- python中文分词,使用结巴分词对python进行分词
- Python 中文分词工具 ——结巴分词的使用方法总结
- Python 使用PIL中的resize进行缩放的实例讲解
- Python利用结巴分词进行中文分词
- 使用python对中文文本进行分词
- 使用最大逆向法,利用python进行简易中文分词
- 使用Python+jieba和java+庖丁分词在Spark集群上进行中文分词统计
- 使用python中的结巴分词作词云图,对微信功能点进行辅助分析
- 使用Python+jieba和java+庖丁分词在Spark集群上进行中文分词统计
- PYTHON 结巴中文分词工具的基础使用
- 使用python jieba库进行中文分词
- Python结巴中文分词工具使用过程中遇到的问题及解决方法
- Python 中文分词工具 ——结巴分词的使用方法总结
- 结巴中文分词使用学习(python)
- Python中文分词工具之结巴分词用法实例总结【经典案例】
- 使用Python,字标注及最大熵法进行中文分词
- 对Python中文分词模块结巴分词算法过程的理解和分析
- Python使用urllib2获取网络资源实例讲解