Python结巴（jieba）库之花拳绣腿
作者：互联网
结巴（jieba）库是百度工程师Sun Junyi开发的一个开源库，在GitHub上很受欢迎。
作为优秀的中文分词第三方库， jieba最流行的应用是分词，除此之外，还可以做关键词抽取、词频统计等。
jieba支持四种分词模式：
- 精确模式：试图将句子最精确地切开，不存在冗余单词；
- 搜索引擎模式：在精确模式基础上，对长词再次切分，提高召回率，适用于搜索引擎分词；
- 全模式：把句子中所有的可以成词的词语都扫描出来，有冗余；
- paddle模式，利用PaddlePaddle深度学习框架，训练序列标注（双向GRU）网络模型实现分词。同时支持词性标注。
1、安装
windows语境下，调用控制台，输入命令行：
pip install jiebaLinux语境下，则需针对python的不同版本（2.x或3.x），使用不同的安装命令：
pip3 install jieba
2、常用函数
| 函数 | 描述 |
|---|---|
| jieba.lcut(s) | 精确模式，返回一个列表类型的分词结果 >>> jieba.lcut('伟大的中国人民万岁！') ['伟大', '的', '中国', '人民', '万岁', '！'] |
| jieba.lcut(s,cut_all=True) | 全模式，返回一个列表类型的分词结果，有冗余 >>> jieba.lcut('伟大的中国人民万岁！',cut_all=True) ['伟大', '的', '中国', '国人', '人民', '万岁', '！'] |
| jieba.lcut_for_search(s) | 搜索引擎模式，返回一个列表类型的分词结果，有冗余 >>>jieba.lcut_for_search('伟大的中国人民万岁！万万岁！') ['伟大', '的', '中国', '人民', '万岁', '！', '万万', '万岁', '万万岁', '！'] |
| jieba.add_word(w) | 将新词w加入分词词典 >>>jieba.add_word('绝绝子') |
标签：jieba,Python,模式,lcut,花拳绣腿,万岁,分词,冗余 来源： https://blog.csdn.net/iprobobo/article/details/122686102