二、安裝及使用(Linux)

1.下載工具包，解壓后進入目錄下，運行：pythonsetup.pyinstall

Hint：a.一個良好的習慣是，對于下載下來的軟件，先看readme，再進行操作。(沒有閱讀readme，直接嘗試+百度，會走很多彎路);

b.當時運行安裝命令時，出現(xiàn)錯誤：nopermission!(有些人可能會遇見這種問題，這是因為權限不夠的。執(zhí)行：sudo!!其中“!!”表示上一條命令，這里指的就是上面的安裝命令)，使用sudo后便可正常運行。

2.在使用結巴做分詞的時候，一定會用的函數(shù)是：jieba.cut(arg1，arg2);這是用于分詞的函數(shù)，我們只需要了解以下三點，便可使用

a.cut方法接受兩個輸入?yún)?shù)：第一個參數(shù)(arg1)為需要進行分詞的字符串，arg2參數(shù)用來控制分詞模式。

分詞模式分為兩類：默認模式，試圖將句子最精確地切開，適合文本分析;全模式，把句子中所有的可以成詞的詞語都掃描出來，適合搜索引擎

b.待分詞的字符串可以是gbk字符串、utf-8字符串或者unicode

使用Python的人要注意編碼問題，Python是基于ASCII碼來處理字符的，當出現(xiàn)不屬于ASCII的字符時(比如在代碼中使用漢字)，會出現(xiàn)錯誤信息：“ASCIIcodeccan'tencodecharacter”，解決方案是在文件頂部加入語句：#!-*-coding:utf-8-*-來告訴Python的編譯器：“我這個文件是用utf-8進行編碼的，你要進行解碼的時候，請用utf-8”。(這里記住，這個命令一定要加在文件的最頂部，如果不在最頂部，編碼問題就依然存在，得不到解決)關于編碼的轉換，可以參考博文(ps：個人理解“importsysreload(sys)sys.setdefaultencoding('utf-8')”這幾句話與“#!-*-coding:utf-8-*-”等價)

c.jieba.cut返回的結構是一個可迭代的generator，可以使用for循環(huán)來獲得分詞后得到的每一個詞語(unicode)，也可以用list(jieba.cut(...))轉化為list

3.以下舉例jieba中提供的一個使用方法作為說明：

#!-*-coding:utf-8-*-

importjieba

seg_list=jieba.cut("我來到北京清華大學",cut_all=True)

print"FullMode:",''.join(seg_list)

seg_list=jieba.cut("我來到北京清華大學")

print"DefaultMode:",''.join(seg_list)

輸出結果為：

FullMode:我/來/來到/到/北/北京/京/清/清華/清華大學/華/華大/大/大學/學

DefaultMode:我/來到/北京/清華大學

三、結巴中文分詞的其他功能

1、添加或管理自定義詞典

結巴的所有字典內容存放在dict.txt，你可以不斷的完善dict.txt中的內容。

2、關鍵詞抽取

通過計算分詞后的關鍵詞的TF/IDF權重，來抽取重點關鍵詞。

以上內容為大家介紹了使用python進行漢語分詞，希望對大家有所幫助，如果想要了解更多Python相關知識，請關注IT培訓機構:千鋒教育。http://m.2667701.com/