jieba

“结巴”中文分词：做最好的 Python 中文分词组件

“Jieba” (Chinese for “to stutter”) Chinese text segmentation: built to be the best Python Chinese word segmentation module.

完整文档见README.md

GitHub:https://github.com/fxsjy/jieba

---

特点

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。

支持繁体分词

支持自定义词典

MIT 授权协议

---

在线演示：http://jiebademo.ap01.aws.af.cm/

---

安装说明

代码对 Python 2/3 均兼容

全自动安装：easy_install jieba或者pip install jieba/pip3 install jieba

半自动安装：先下载https://pypi.python.org/pypi/jieba/，解压后运行 python setup.py install

手动安装：将 jieba 目录放置于当前目录或者 site-packages 目录

通过import jieba来引用

---

示例代码：

# encoding=utf-8

import jieba

seg_list = jieba.cut("我来到北京大学东门清华大学",cut_all=True)

print("Full Mode:","/ ".join(seg_list))# 全模式

seg_list = jieba.cut("我来到北京清华大学",cut_all=False)

print("Default Mode:","/ ".join(seg_list))# 默认模式

seg_list = jieba.cut("他来到了网易杭研大厦")

print(", ".join(seg_list))