Python中的jieba库

人们把词语组合成句子来表达意义，对于一句中文，人可以借助知识明白哪些是词，进而理解语句的含义，而计算机很难做到。确定句子中的词，是计算机理解中文的基础。jieba库是一款优秀的Python第三方中文分词库。

jieba库的安装

因为 jieba 是一个第三方库，所以使用前需要进行安装。

Windows

py

pip install jieba

pyCharm

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。

中文分词

把一段中文拆分成词的过程，叫做中文分词。 它是解决中文语义分析，信息检索等问题的基础。

一段/惊心动魄/的/旅程/开始/了 研究/生命/的/起源

在python中进行中文分词，可以借助jieba库。

三种模式

jieba是中文分词库，库中包含一个中文词典，根据这个词典，它可以找到句子中所有可能的词语组合，并分析出一个可能性最大的拆分结果。

jieba库支持三种分词模式:

精确模式:lcut(str)

把文本精确地切分开，不存在冗余单词。 适用于文本分析。

例: [‘一切’, ‘戛然而止’] 一切戛然而止

全模式:lcut(str, cut_all=True)

把文本中所有可能的词语都扫描出来。 速度快，存在歧义和冗余。

例:一切戛然而止 [‘一切’, ‘戛然’, ‘戛然而止’, ‘然而’, ‘止’]

搜索引擎模式:lcut_for_search(str)

在精确模式的基础上，对长词再次进行切分。 适用于搜索引擎分词。

例: [‘一切’, ‘戛然’, ‘然而’, ‘戛然而止’] 一切戛然而止

进行文本分析要采用精确分词模式，可以借助lcut()命令。

lcut()命令会返回存储分词结果的列表。

lcut()使用格式

先导入jieba库，才能使用库中的lcut()命令。

py

import jieba                 //导入jieba库
jieba.lcut(str)              //使用库中的命令分词

例如：

py

import jieba                 
words = jieba.lcut('我喜欢编程')
print(words)

输出

[‘我’,’喜欢’,’编程’]

第三方库

jieba库是一个第三方库，因为它既不是python自带的，也不是我们自己在程序中编写的，而是由其他人提供的。 python自带的库，也叫做标准库，可以直接导入并使用; 而第三方库，必须先安装，才能成功导入和使用。

多参数函数

在定义函数时，可以设置多个参数。

py

def 函数名(参数1, 参数2, 参数3, ...... ): 
    语句1
    语句2
    ......
    return 结果

在调用函数时，需要传入对应的参数。

py

函数名(参数1, 参数2, 参数3, ...... )

定义时

py

def search(text, world):
    res = []
    for i in range(len(text)):
        if word in text[i]:
            res.append(i + 1)
    return res

text用来接收存储文章 每一行内容的列表 word用来接收要 查找的词语

调用时

py

rows = search(lines,x)

lines传入存储文章 每一行内容的列表 x传入要查找的词语

return语句

在定义函数时，使用return语句返回函数的运行结果。

py

def 函数名(参数1, 参数2, 参数3, ...... ): 
    语句1
    语句2
    ......
    return 结果

执行return语句后，函数运行结束。

py

def 函数名(参数1, 参数2, 参数3, ...... ): 
    语句1
    语句2
    ......
    return 结果1       //执行这条return语句后， 函数运行结束。
    return 结果2       //不会执行这条return语句

执行return语句，函数结束执行，函数只能返回词语第一次出现的行号。