python中文分词,使用结巴分词对python进行分词(实例讲解)

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

查看图片

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

查看图片

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积木网。

TensorFlow在MAC环境下的安装及环境搭建
给大家分享一下TensorFlow在MAC系统中的安装步骤以及环境搭建的操作流程。TensorFlow底层的图模型结构清晰，容易改造；支持分布式训练；可视化效果好。

python利用有道翻译实现"语言翻译器"的功能实例
实例如下：importurllib.requestimporturllib.parseimportjsonwhileTrue:content=input('请输入需要翻译的内容（退出输入Q）：')ifcontent=='Q':breakelse:url='http://fanyi.youdao.com/tran

解读! Python在人工智能中的作用
人工智能是一种未来性的技术，目前正在致力于研究自己的一套工具。一系列的进展在过去的几年中发生了：无事故驾驶超过300000英里并在三个州合法