当前位置 : 主页 > 网络推广 > seo >

jieba库的使用和好看的词元

来源:互联网 收集:自由互联 发布时间:2021-06-16
一.jieba库的使用与说明 1.jieba库基本介绍 jieba库是优秀的中文分词第三方库 -中文文本需要通过分词获得单个的词语 - jieba是优秀的中文分词第三方库,需要额外安装 - jieba库提供三种分

一.jieba库的使用与说明

1.jieba库基本介绍

jieba库是优秀的中文分词第三方库

         -中文文本需要通过分词获得单个的词语
         - jieba是优秀的中文分词第三方库,需要额外安装

         - jieba库提供三种分词模式,最简单只需掌握一个函数

2.jieba库使用说明

  (1)、jieba分词的三种模式

         精确模式、全模式、搜索引擎模式

         - 精确模式:把文本精确的切分开,不存在冗余单词
         - 全模式:把文本中所有可能的词语都扫描出来,有冗余

         - 搜索引擎模式:在精确模式基础上,对长词再次切分

(2)、jieba库常用函数

 3.jieba库的利用实例显示

 

4.利用jieba库统计三国演义的人物出场次数

(1)代码如下

import jieba
excludes = {"将军","却说","荆州","二人","不可","不能","如此","商议","军士","如何",
            "主公","军马","左右",}
txt = open("./三国演义.txt", "r", encoding=utf-8).read()
words  = jieba.lcut(txt)
counts = {}
for word in words:
    if len(word) == 1:
        continue
    elif word == "诸葛亮" or word == "孔明曰":
        rword = "孔明"
    elif word == "关公" or word == "云长":
        rword = "关羽"
    elif word == "玄德" or word == "玄德曰":
        rword = "刘备"
    elif word == "孟德" or word == "丞相":
        rword = "曹操"
    else:
        rword = word
    counts[rword] = counts.get(rword,0) + 1
for word in excludes:
    del counts[word]
items = list(counts.items())
items.sort(key=lambda x:x[1], reverse=True) 
for i in range(5):
    word, count = items[i]
    print ("{0:<10}{1:>5}".format(word, count))

(2)结果显示如下:

二、利用好看的词元

1.Python的词元图的生成

(1)安装库

pip install jieba wordcloud matplotlib

(2)准备

  • txt文本
  • 字体(simhei.ttf)
  • 词云背景图片

由上面的三国演义的文本txt可以生成如下图形:

Python jieba和词元的利用到此结束....................

网友评论