一、安裝jieba庫
：\>pip install jieba #或者 pip3 install jieba
二、jieba庫解析
jieba庫主要提供提供分詞功能，可以輔助自定義分詞詞典。
jieba庫中包含的主要函數如下：
jieba.cut(s) 精確模式，返回一個可迭代的數據類型
jieba.cut(s,cut_all=True) 全模式，輸出文本s中所有可能的單詞
jieba.cut_for_search(s) 搜索引擎模式，適合搜索引擎建立索引的分詞結果
jieba.lcut(s) 精確模式，返回一個列表類型，建議使用
jieba.lcut(s,cut_all=True) 全模式，返回一個列表類型，建議使用
jieba.lcut_for_search(s) 搜索引擎模式，返回一個列表類型，建議使用
jieba.add_word(w) 向分詞詞典中增加新詞w
三、用jieba庫統計文本的詞頻
《流浪地球》是劉慈欣的一部作品。該書講述了龐大的地球逃脫計划，逃離太陽系，前往新家園。從網上獲取該書的文本文件，保存於桌面上，命名為“流浪地球。”
現統計其文本中出現次數最多的是個詞語，源代碼如下：
import jieba txt = open("C:\\Users\\Administrator\\Desktop\\流浪地球.txt", "r", encoding='utf-8').read() words = jieba.lcut(txt) counts = {} for word in words: if len(word) == 1: #排除單個字符的分詞結果 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(10): word, count = items[i] print ("{0:<10}{1:>5}".format(word, count))
運行程序后，輸出結果如下：
故容易得知流浪地球中出現頻次較高的詞語
四、結合jieba庫的詞頻統計制作詞雲圖
1、准備工作：pip 安裝 jieba ， wordcloud ，matplotlib
2以阿Q正傳為例：
源代碼為：
from wordcloud import WordCloud import matplotlib.pyplot as plt import jieba #生成詞雲 def create_word_cloud(filename): text = open("{}.txt".format(filename)).read() # 結巴分詞 wordlist = jieba.cut(text, cut_all=True) wl = " ".join(wordlist) # 設置詞雲 wc = WordCloud( # 設置背景顏色 background_color="white", # 設置最大顯示的詞雲數 max_words=2000, # 這種字體都在電腦字體中，一般路徑 font_path='C:\Windows\Fonts\simfang.ttf', height=1200, width=1600, # 設置字體最大值 max_font_size=200, # 設置有多少種隨機生成狀態，即有多少種配色方案 random_state=100, ) myword = wc.generate(wl) # 生成詞雲 # 展示詞雲圖 plt.imshow(myword) plt.axis("off") plt.show() wc.to_file('p.png') # 把詞雲保存下 if __name__ == '__main__': create_word_cloud('C:\\Users\\Administrator\\Desktop\\阿Q正傳')
運行程序后，輸出結果如下：
故可得出文本的雲詞圖。