我們都知道進(jìn)行自然語言處理的第一步就是分詞，下面使用jieba模塊對最近比較熱的電視劇《人民的名義》進(jìn)行分詞，并對它進(jìn)行一些簡單的文本分析。
一、jieba模塊中常用的方法說明（github）：
1.分詞：
jieba.cut方法接受三個(gè)輸入?yún)?shù): 需要分詞的字符串；cut_all 參數(shù)用來控制是否采用全模式；HMM 參數(shù)用來控制是否使用 HMM 模型jieba.cut_for_search方法接受兩個(gè)參數(shù)：需要分詞的字符串；是否使用 HMM 模型。該方法適合用于搜索引擎構(gòu)建倒排索引的分詞，粒度比較細(xì)待分詞的字符串可以是 unicode 或 UTF-8 字符串、GBK 字符串。注意：不建議直接輸入 GBK 字符串，可能無法預(yù)料地錯(cuò)誤解碼成 UTF-8
jieba.cut以及jieba.cut_for_search返回的結(jié)構(gòu)都是一個(gè)可迭代的 generator，可以使用 for 循環(huán)來獲得分詞后得到的每一個(gè)詞語(unicode)，或者用jieba.lcut以及jieba.lcut_for_search直接返回 listjieba.Tokenizer(dictionary=DEFAULT_DICT)新建自定義分詞器，可用于同時(shí)使用不同詞典。jieba.dt為默認(rèn)分詞器，所有全局分詞相關(guān)函數(shù)都是該分詞器的映射。
最近學(xué)習(xí)python爬蟲，為了練習(xí)一下，在
延伸閱讀
學(xué)習(xí)是年輕人改變自己的最好方式