NLP分词

英文分词：

1
2
3
4
5
6
7
8
1#英文分词

2import nltk

3sentence="hello,world"

4tokens=nltk.word_tokenize(sentence)

5print(tokens)

6

7#['hello', ',', 'world']

8

#中文分词

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1import jieba

2seg_list = jieba.cut("我来到北京清华大学",cut_all=True)

3print ("Full Mode:", "/ ".join(seg_list))

4seg_list = jieba.cut("我来到北京清华大学", cut_all=False)

5print ("Default Mode:", "/ ".join(seg_list)) # 精确模式

6seg_list = jieba.cut("他来到了网易杭研大厦") # 默认是精确模式

7print (", ".join(seg_list))

8seg_list = jieba.cut_for_search("小明硕士毕业于中国科学院计算所，后在日本京都留学深造") # 搜索引擎模式

9print (", ".join(seg_list))

10

11#Full Mode: 我/ 来到/ 北京/ 清华/ 清华大学/ 华大/ 大学

12#Default Mode: 我/ 来到/ 北京/ 清华大学

13#他, 来到, 了, 网易, 杭研, 大厦

14#小明, 硕士, 毕业, 于, 中国, 科学, 学院, 科学院, 中国科学院, 计算, 计算所, ，, 后, 在, 日本, 京都, 留学, 深造

15

#社交网络语言的tokenize【正则表达式】