jieba 中文分词器

"""
(1)、jieba库概述

    jieba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分词的原理

    Jieba分词依靠中文词库

    - 利用一个中文词库，确定汉字之间的关联概率
    - 汉字间概率大的组成词组，形成分词结果

    - 除了分词，用户还可以添加自定义的词组


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

"""

import jieba
s = u'我想和女朋友一起去北京故宫博物院参观和闲逛。'

# ----------------------------返回 迭代数据类型
# # 精准模式
# cut = jieba.cut(s)
# print(cut)
# print(",".join(cut))

# # 全模式，输出文本中所有可能的单词
# cut = jieba.cut(s, cut_all=True)
# print(cut)
# print(",".join(cut))

# # 搜索模式，索引的分词结果
# cut = jieba.cut_for_search(s)
# print(cut)
# print(",".join(cut))


# ----------------------------返回 列表数据类型
# # 精准模式
# cut = jieba.lcut(s)
# print(cut)

# # 全模式，输出文本中所有可能的单词
# jieba.lcut(s,cut_all=True)
# print(cut)

# # 搜索模式，索引的分词结果
# jieba.lcut_for_search(s)
# print(cut)

# --------------------------- 添加新的分词
# jieba.add_word()

# ---------------------------------

# # 开启并行分词模式，参数为并发执行的进程数
# jieba.enable_parallel(5)
#
# # 关闭并行分词模式
# jieba.disable_parallel()
#
# # 示例
# jieba.enable_parallel(100)
# santi_words = [x for x in jieba.cut(s) if len(x) >= 2]
# jieba.disable_parallel()

#-----------------------------
# # 打印 相关词性
# import jieba.posseg as psg
# print('【Output】')
# # print([(x.word, x.flag) for x in psg.cut(wenjian) if x.flag == r"n"])
# print([(x.word, x.flag) for x in psg.lcut(wenjian) if x.flag.startswith('n')])

# -------------------------------------------------
# 显示文本高频 前N个词（20个）
# from collections import Counter
# c = Counter(wenjian).most_common(20)
# print(c)