在采集[b][url=http://www.gg4493.cn/]美女[/url][/b]站时，需要对关键词进行分词，最终采用的是python的结巴分词方法。 [b]中文分词是中文文本处理的一个基础性工作，结巴分词利用进行中文分词。[/b] [b]其基本实现原理有三点：[/b] 1.基于Trie树结构实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图（DAG) 2.采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合 3.对于未登录词，采用了基于汉字成词能力的HMM模型，使用了Viterbi算法 [b]安装（Linux环境）[/b] 下载[b][url=https://pypi.python.org/pypi/jieba/]工具包[/url][/b]，解压后进入目录下，运行：python setup.py install [img]http://files.jb51.net/file_images/article/201711/201711140904413.png[/img] [b]模式[/b] 1.默认模式，试图将句子最精确地切开，适合文本分析 2.全模式，把句子中所有的可以成词的词语都扫描出来，适合搜索引擎 [b]接口[/b] • 组件只提供jieba.cut 方法用于分词 • cut方法接受两个输入参数： • 第一个参数为需要分词的字符串 • cut_all参数用来控制分词模式 • 待分词的字符串可以是gbk字符串、utf-8字符串或者unicode • jieba.cut返回的结构是一个可迭代的generator，可以使用for循环来获得分词后得到的每一个词语(unicode)，也可以用list(jieba.cut(...))转化为list  • seg=jieba.cut("http://www.gg4493.cn/"): [b]实例[/b] [b]结果[/b] [img]http://files.jb51.net/file_images/article/201711/201711140904415.png[/img] 以上这篇python中文分词,使用结巴分词对python进行分词(实例讲解)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持编程素材网。