​

结巴分词支持以下3种分词模式：

精确模式。试图将句子最精确地切开，适合文本分析。

全模式。将句子中所有的可能成词的词语都扫描出来，速度非常快，但是不能解决歧义。

搜索引擎模式。在精确模式的基础上，对长词再次切分，提高召回率，适用于搜索引擎分词。

结巴分词使用的算法是基于统计的分词方法，主要有如下3种方法：

基于前缀词典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

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。

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

1、安装【jieba】库【pip install jieba】

​

2、jieba精确模式分词使用lcut()函数，类似cut()函数，其参数和cut()函数是一致的，只不过返回结果是列表而不是生成器，默认使用精确模式。

默认模式。句子精确地切开，每个字符只会出席在一个词中，适合文本分析；

import jieba
string = '真正的程序员的程序不会在第一次就正确运行，但是他们愿意守着机器进行若干个小时的调试改错。'
result = jieba.lcut(string)
print(len(result), '/'.join(result))

​

 3、全模式【cut_all=True】

 把句子中所有词都扫描出来, 速度非常快，有可能一个字同时分在多个词

import jieba
string = '真正的程序员的程序不会在第一次就正确运行，但是他们愿意守着机器进行若干个小时的调试改错。'
result = jieba.lcut(string,cut_all=True)
print(len(result), '/'.join(result))

​

4、搜索引擎模式【lcut_for_search()】

在精确模式的基础上，对长度大于2的词再次切分，召回当中长度为2或者3的词，从而提高召回率，常用于搜索引擎。

import jieba
string = '真正的程序员的程序不会在第一次就正确运行，但是他们愿意守着机器进行若干个小时的调试改错。'
result = jieba.lcut_for_search(string)
print(len(result), '/'.join(result))

​

希望对大家有所帮助。

​