Question

python3怎么使用结巴分词

Answer 1

下面这个程序是对一个文本文件里的内容进行分词的程序：test.py

[python] view plain copy

#!/usr/bin/python  

#-*- encoding:utf-8 -*-  

import jieba                                                    #导入jieba模块  

  

def splitSentence(inputFile, outputFile):  

    fin = open(inputFile, 'r')                                  #以读的方式打开文件  

    fout = open(outputFile, 'w')                                #以写得方式打开文件  

  

    for eachLine in fin:  

        line = eachLine.strip().decode('utf-8', 'ignore')       #去除每行首尾可能出现的空格，并转为Unicode进行处理  

        wordList = list(jieba.cut(line))                        #用结巴分词，对每行内容进行分词  

        outStr = ''  

        for word in wordList:  

            outStr += word  

            outStr += '/ '  

        fout.write(outStr.strip().encode('utf-8') + '\n')       #将分词好的结果写入到输出文件  

    fin.close()  

    fout.close()  

  

splitSentence('myInput.txt', 'myOutput.txt')  

写完程序之后，在Linux重点输入：python test.py即可运行程序进行分词。

输入的文件内容如下所示：

经过结巴分词后，输出结果如下所示：

注意：第11行的 jieba.cut()返回的结构是一个可迭代的generator，可以用list(jieba.cut(...))转化为list