jieba和词云

Posted 2020-12-14 hwb-znnsyw

1、jieba库基本介绍

  (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

2、jieba库使用说明

  (1)、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

  (2)、jieba库常用函数

 

3、用jieba库分析文章

import jieba
txt = open("C:\\text.txt", "r", encoding=‘utf-8‘).read()
words  = jieba.lcut(txt)
counts = {}
for word in words:
    if len(word) == 1:
        continue
    else:
        counts[word] = counts.get(word,0) + 1
items = list(counts.items())
items.sort(key=lambda x:x[1], reverse=True) 
for i in range(15):
    word, count = items[i]
    print ("{0:<10}{1:>5}".format(word, count))

4、运用wordcloud库

#GovRptWordCloudv1.py
import jieba
import wordcloud
f = open("C:\\2019年政府工作报告.txt", "r", encoding="utf-8")
  
t = f.read()
f.close()
ls = jieba.lcut(t)
  
txt = " ".join(ls)
w = wordcloud.WordCloud(     width = 1000, height = 700,    background_color = "white",
    font_path = "msyh.ttc",<br>    max_words=50   
    )
w.generate(txt)
w.to_file("grwordcloud.png")