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
在(cmd命令行)情况下 运行 pip install jieba 进行安装
jieba分词原理
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