jieba（結巴）是一個強大的分詞庫，完美支持中文分詞，本文對其基本用法做一個簡要總結。

特點

支持三種分詞模式：
精確模式，試圖將句子最精確地切開，適合文本分析； 全模式，把句子中所有的可以成詞的詞語都掃描出來, 速度非?？?，但是不能解決歧義； 搜索引擎模式，在精確模式的基礎上，對長詞再次切分，提高召回率，適合用于搜索引擎分詞。
支持繁體分詞 支持自定義詞典 MIT 授權協議

安裝jieba

pip install jieba

簡單用法

結巴分詞分為三種模式：精確模式（默認）、全模式和搜索引擎模式，下面對這三種模式分別舉例介紹：

精確模式

import jiebas = u'我想和女朋友一起去北京故宮博物院參觀和閑逛。'

cut = jieba.cut(s)print '【Output】'print cutprint ','.join(cut)

【Output】<generator object cut at 0x7f8dbc0efc30>我,想,和,女朋友,一起,去,北京故宮博物院,參觀,和,閑逛,。

可見分詞結果返回的是一個生成器（這對大數據量數據的分詞尤為重要）。

全模式

print '【Output】'print ','.join(jieba.cut(s,cut_all = True))

【Output】我,想,和,女朋友,朋友,一起,去,北京,北京故宮,北京故宮博物院,故宮,故宮博物院,博物,博物院,參觀,和,閑逛,,

可見全模式就是把文本分成盡可能多的詞。

搜索引擎模式

print '【Output】'print ','.join(jieba.cut_for_search(s))

【Output】我,想,和,朋友,女朋友,一起,去,北京,故宮,博物,博物院,北京故宮博物院,參觀,和,閑逛,。

獲取詞性

每個詞都有其詞性，比如名詞、動詞、代詞等，結巴分詞的結果也可以帶上每個詞的詞性，要用到jieba.posseg，舉例如下：

import jieba.posseg as psgprint '【Output】'print [(x.word,x.flag) for x in psg.cut(s)]# 輸出：'''[(u'我', u'r'), (u'想', u'v'), (u'和', u'c'), (u'女朋友', u'n'), (u'一起', u'm'), (u'去', u'v'), (u'北京故宮博物院', u'ns'), (u'參觀', u'n'), (u'和', u'c'), (u'閑逛', u'v'), (u'。', u'x')]'''

可以看到成功獲取到每個詞的詞性，這對于我們對分詞結果做進一步處理很有幫助，比如只想獲取分詞結果列表中的名詞，那么就可以這樣過濾：

print [(x.word,x.flag) for x in psg.cut(s) if x.flag.startswith('n')]# 輸出：'''[(u'女朋友', u'n'), (u'北京故宮博物院', u'ns'), (u'參觀', u'n')]'''

至于詞性的每個字母分別表示什么詞性，jieba分詞的結果可能有哪些詞性，就要去查閱詞性對照表了，本文結尾附了一份從網上搜到的詞性對照表，想了解更詳細的詞性分類信息，可以到網上搜索"結巴分詞詞性對照"。