簡介

分詞共分三種模式：

1. 精確模式： 試圖將句子最精確的切開
2. 全模式：掃描出句子中所有可能的詞語，速度快
3. 搜尋引擎模式：在精確模式的基礎上，對長詞再次切分適合用於搜尋引擎分詞

例子：

import jieba
string = '結巴這個分詞工具真的特別的好玩兒'
# 精確模式：cut_all=False
words_list = jieba.lcut(string, cut_all=False)
print(“精確模式：”，words_list)
# 全模式：cut_all=True
words_list = jieba.lcut(string, cut_all=True)
print(“全模式：”，words_list)
精確模式： ['結巴', '這個', '分詞', '工具', '真的', '特別', '的', '好玩兒']
全模式：['結巴', '這個', '分詞', '工具', '真的', '特別', '別的', '好玩', '好玩兒', '玩兒']
 

新增自定義詞典

可以指定自己自定義的詞典，以便包含 jieba 詞庫裡沒有的詞。 用法： jieba.load_userdict(my_dict.txt) 詞典格式:一個詞佔一行,每行分三部分：詞語、詞頻（可省略）、詞性（可省略），用空格隔開，順序不可顛倒。 例如： 　創新辦 3 i 　雲端計算 5

import jieba
string = '李小福是創新辦主任也是雲端計算方面的專家'
print(jieba.lcut(string))
輸出結果： ['李小福', '是', '創新', '辦', '主任', '也', '是', '雲', '計算', '方面', '的', '專家']
jieba.load_userdict('my_dict.txt')
print(jieba.lcut(string))
輸出結果： ['李小福', '是', '創新辦', '主任', '也', '是', '雲端計算', '方面', '的', '專家']
 

或者用 add_word(word, freq=None, tag=None) 可在程式中動態修改詞典

jieba.add_word('創新辦', freq=3)
jieba.add_word('雲端計算', freq=3)
print(jieba.lcut(string))
輸出結果： ['李小福', '是', '創新辦', '主任', '也', '是', '雲端計算', '方面', '的', '專家']

或者用 suggest_freq(segment, tune=True)可調節單個詞語的詞頻，使其能（或不能）被分出來

jieba.suggest_freq('創新辦', tune=True)
jieba.suggest_freq('雲端計算', tune=True)
print(jieba.lcut(string))
輸出結果： ['李小福', '是', '創新辦', '主任', '也', '是', '雲端計算', '方面', '的', '專家']
 

具體深入學習請參考官方github