1 第三方库的安装与简介
1.1 Python第三方库 jieba（中文分词）
1. 特点
（1）支持三种分词模式：
- 精确模式，试图将句子最精确地切开，适合文本分析；
- 全模式，把句子中所有的可以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，适合用于搜索引擎分词。
（2）支持繁体分词
（2）支持自定义词典
（3）MIT 授权协议
2. 安装和使用说明
pip install jieba / pip3 install jieba
通过 import jieba 进行引用
3. 主要功能
这里主要涉及到的是分词功能，详述如下：
（1）jieba.cut 方法接受三个输入参数:
- 需要分词的字符串；
- cut_all 参数用来控制是否采用全模式；
- HMM 参数用来控制是否使用 HMM 模型。
（2）jieba.cut_for_search 方法接受两个参数：
- 需要分词的字符串；
- 是否使用 HMM 模型。
该方法适合用于搜索引擎构建倒排索引的分词，粒度比较细。
1. 待分词的字符串可以是 unicode 或 UTF-8 字符串、GBK 字符串。
2. 不建议直接输入 GBK 字符串，可能无法预料地错误解码成 UTF-8。
3. jieba.cut 以及 jieba.cut_for_search 返回的结构都是一个可迭代的 generator，可以使用 for 循环来获得分词后得到的每一个词语(unicode)，或者用jieba.lcut 以及jieba.lcut_for_search 直接返回 list。
（3）jieba.Tokenizer(dictionary=DEFAULT_DICT) 新建自定义分词器，可用于同时使用不同词典。jieba.dt 为默认分词器，所有全局分词相关函数都是该分词器的映射。
4. 示例代码
（1）实现代码：
1 # coding=utf-8
2 import jieba
3
4 text = "轻轻地我走了正如我轻轻地来"
5
6 seg_list = jieba.cut(text, cut_all=False)
7 print("Default Mode: " + "/ ".join(seg_list)) # 精确模式
8
9 seg_list = jieba.cut(text, cut_all=True)
10 print("Full Mode: " + "/ ".join(seg_list)) # 全模式
11
12 seg_list = jieba.cut_for_search(text)
13 print("Search Mode: " + "/ ".join(seg_list)) # 搜索引擎模式
（2）运行结果：
1.2 Python第三方库wordcloud（词云）
1. 安装和使用说明
pip install wordcloud / pip3 install wordcloud
通过 import wordcloud 进行引用
2. 主要功能
wordcloud把词云当作一个对象，它可以将文本中词语出现的频率作为一个参数绘制词云，而词云的大小、颜色、形状等都是可以设定的。
生成词云的步骤如下：
（1）配置对象参数
（2）加载词云文本
（3）输出词云文件 （如果不加说明默认的图片大小为400 * 200）
3. 常见的参数列表
2 制作生成词云
2.1 生成《新冠病毒无症状感染者管理规范》的词云
（1）实现代码：
1 # coding=utf-8
2 import matplotlib.pyplot as plt
3 import jieba
4 from wordcloud import WordCloud
5
6 # 1.读入txt文本数据
7 with open("test.txt", ‘r‘) as f:
8 text=f.read()
9
10 # 2.分词
11 cut_text = " ".join(jieba.cut(text))
12
13 # 3.生成词云
14 wc = WordCloud(
15 font_path=r‘.\simhei.ttf‘,
16 background_color = ‘white‘,
17 width = 1000,
18 height = 880,
19 ).generate(cut_text)
20
21 # 4.显示词云图片
22 plt.imshow(wc, interpolation="bilinear")
23 plt.axis(‘off‘)
24 plt.show()
（2）运行结果：
2.2 生成《关于做好高校毕业生就业创业工作的通知》的词云
（1）实现代码：
1 # coding=utf-8 2 import PIL.Image as image 3 import numpy as np 4 import matplotlib.pyplot as plt 5 import jieba 6 from wordcloud import WordCloud, ImageColorGenerator 7 8 def GetWordCloud(): 9 path_txt = "test.txt" 10 path_img = "test.jpg" 11 # 1.读入txt文本数据 12 with open(path_txt, ‘r‘) as f: 13 text=f.read() 14 background_image = np.array(image.open(path_img)) 15 16 # 2.分词 17 cut_text = " ".join(jieba.cut(text)) 18 19 # 3.生成词云 20 wc = WordCloud( 21 font_path=r‘.\simhei.ttf‘, 22 background_color = ‘white‘, 23 mask=background_image 24 ).generate(cut_text) 25 26 # 生成颜色值 27 image_colors = ImageColorGenerator(background_image) 28 29 # 4.显示词云图片 30 plt.imshow(wc.recolor(color_func=image_colors), interpolation="bilinear") 31 plt.axis(‘off‘) 32 plt.show() 33 34 35 if __name__ == "__main__": 36 GetWordCloud()
（2）运行结果：
Python第三方库jieba（中文分词）
原文地址：https://www.cnblogs.com/yangmi511/p/12676116.html