本文實例講述了Python結巴中文分詞工具使用過程中遇到的問題及解決方法。分享給大家供大家參考，具體如下：

結巴分詞是Python語言中效果最好的分詞工具，其功能包括：分詞、詞性標注、關鍵詞抽取、支持用戶詞表等。這幾天一直在研究這個工具，在安裝與使用過程中遇到一些問題，現(xiàn)在把自己的一些方法帖出來分享一下。

官網(wǎng)地址：https://github.com/fxsjy/jieba

1、安裝。

按照官網(wǎng)上的說法，有三種安裝方式，

第一種是全自動安裝：easy_install jieba 或者 pip install jieba，可是并沒有找到它提供這個安裝程序。

第二種方法是半自動安裝：先下載http://pypi.python.org/pypi/jieba/ ，解壓后在cmd命令行中運行 python setup.py install。這里需要注意的是，默認情況下，不能在cmd中直接運行python命令，需要把它的路徑加入到環(huán)境變量path中方可。我試過，可行。但是 這種方法安裝之后，結巴分詞功能只能在Python自帶的IDLE中使用。在含有PyDEV的MyEclipse中不能執(zhí)行“import jieba”命令，所以繼續(xù)嘗試第三種方法。

第三種方法是手動安裝：將jieba目錄放置于當前目錄或者site-packages目錄。把下載到的jieba-0.30.zip解壓后，里面有個jibba的文件夾，把它復制到與你的Python程序相同的位置，這樣在程序中就可以執(zhí)行“import jieba”了。

2、關于分詞的實現(xiàn)

官網(wǎng)提供了分詞的基本用法示例 ：

#encoding=utf-8import jiebaseg_list = jieba.cut("我來到北京清華大學", cut_all=True)print "Full Mode:", "/ ".join(seg_list) # 全模式seg_list = jieba.cut("我來到北京清華大學", cut_all=False)print "Default Mode:", "/ ".join(seg_list) # 精確模式seg_list = jieba.cut("他來到了網(wǎng)易杭研大廈") # 默認是精確模式print ", ".join(seg_list)seg_list = jieba.cut_for_search("小明碩士畢業(yè)于中國科學院計算所，后在日本京都大學深造") # 搜索引擎模式print ", ".join(seg_list)

程序可以執(zhí)行，但是在MyEclipse中顯示中文為Unicode編碼，這不科學。

但是繼續(xù)執(zhí)行另一個詞性標注的示例卻非常正常：

import jieba.posseg as psegwords = pseg.cut("我愛北京天安門")for w in words:  print w.word, w.flag

所以我就想去分析一下它的源代碼，結果發(fā)現(xiàn)在jiba/_init_.py文件（這是實現(xiàn)分詞的文件）的第209行（cut函數(shù)）中有關于檢查編碼的語句塊：

if not isinstance(sentence, unicode):  try:   sentence = sentence.decode('utf-8')  except UnicodeDecodeError:   sentence = sentence.decode('gbk','ignore')

而在jieba/posseg/_init_.py文件（這是實現(xiàn)詞性標注的文件）第158行的cut函數(shù)中卻沒有發(fā)現(xiàn)此類代碼。所以我猜想，前者有檢查編碼的代碼就出現(xiàn)亂碼，而后者沒有檢查編碼的代碼而正常顯示，所以就把前者檢查編碼的代碼給注釋了，結果程序執(zhí)行報錯，只好又把人家的源碼還原，結果中文又正常顯示了！