1 文本分词与红楼梦文本分词应用

1 文本分词与红楼梦文本分词应用

作者：Irain
QQ：2573396010
微信：18802080892
GitHub项目链接：
视频资源链接：=61

目录

• • • 1 下载jieba库
    • 2 jieba库自带的dict词典
    • 3 分词示例
    • • 3.1分词的三种模式
      • 3.2词性标注示例
    • 4 词库中更改词
    • 5 加载自定义词库
    • 6 改变词频
    • 7 提取固定数量的关键词
    • 8 返回词语的位置
    • • 8.1 默认模式：返回词语的位置
      • 8.2 搜索引擎模式，返回词语的位置
    • 9 红楼梦文本分词应用

1 下载jieba库

下载命令（为快不破）:pip install jieba -i /

下载命令(受不了):pip install jieba

2 jieba库自带的dict词典

3 分词示例

3.1分词的三种模式

import jieba
sentence = "我是一位火影忍者超级脑残粉迷"
print(sentence)
print("-"*30,"全模式切分","-"*30)
cut1 = jieba.cut(sentence,cut_all=True)
print("cut函数返回类型：",type(cut1))
for cut in cut1:print(cut)print("-"*30,"精准模式切分","-"*30)
cut2 = jieba.cut(sentence,cut_all=False)
print("cut函数返回类型：",type(cut2))
for cut in cut2:print(cut)print("-"*30,"搜索引擎模式切分","-"*30)
cut3 = jieba.cut_for_search(sentence)
print("cut函数返回类型：",type(cut3))
for cut in cut3:print(cut)print("-"*30,"默认模式：精准模式切分","-"*30)
cut4 = jieba.cut(sentence)
print("cut函数返回类型：",type(cut4))
for cut in cut4:print(cut)

3.2词性标注示例

'''
a：形容词、c：连词、d：副词、e：叹词、f：方位词、i：成语、m：数词、n：名词
nr：人名、ns：地名、nt：机构团体、nz：其他专有名词、p：介词、r：代词、t：时间
u：助词、v：动词、vn：动名词、w：标点符号、un：未知词语
'''
print("-"*30,"词性标注","-"*30)
import jieba.posseg
cut5 = jieba.posseg.cut(sentence)
print("cut函数返回类型：",type(cut5))
print("词 --- 词性")
for cut in cut5:print(cut.word + "---" + cut.flag)

4 词库中更改词

自定义词库的词性可以省略

5 加载自定义词库

sentence = "撒野去是一位火影忍者超级脑残粉迷"
print("-"*30,"自定义词库 ","-"*30)
jieba.load_userdict("E:/Working/Python37-32/Lib/site-packages/")
import jieba.posseg
cut6 = jieba.posseg.cut(sentence)
print("cut函数返回类型：",type(cut6))
print("词 --- 词性")
for cut in cut6:print(cut.word + "---" + cut.flag)

6 改变词频

print("-"*30,"更改词频","-"*30)
cut7 = jieba.cut(sentence)
print("cut函数返回类型：",type(cut7))
for cut in cut7:print(cut)
print("")
jieba.suggest_freq("粉迷",True)
cut7 = jieba.cut(sentence)
print("cut函数返回类型：",type(cut7))
for cut in cut7:print(cut)
print("")

7 提取固定数量的关键词

import jieba.analyse
print("-"*30,"提取固定数量的关键词","-"*30)
cut8 = act_tags(sentence,2)
print("cut函数返回类型：",type(cut8))
for cut in cut8:print(cut)

8 返回词语的位置

8.1 默认模式：返回词语的位置

print("-"*30,"默认模式：返回词语的位置","-"*30)
cut9 = kenize(sentence)
print("cut函数返回类型：",type(cut9))
for cut in cut9:print(cut)

8.2 搜索引擎模式，返回词语的位置

print("-"*30,"搜索引擎模式，返回词语的位置","-"*30)
cut10 = kenize(sentence,mode="serach")
print("cut函数返回类型：",type(cut10))
for cut in cut10:print(cut)
print("")

9 红楼梦文本分词应用

红楼梦文本下载链接：一生只爱红楼梦

print("-"*30,"红楼梦文本分词应用","-"*30)
data = open("红楼梦.txt",'r',encoding='utf-8').read()
cut12 = act_tags(data,30)
print(cut12)

发布：2020年5月21日