什么是jieba库？

jieba库是一个用于中文分词的Python库。它可以将一段中文文本切分成一个个的词语，这对于自然语言处理（NLP）任务非常有用。jieba库提供了三种分词模式：

1. **精确模式**：试图将句子最精确地切开，适合文本分析。
2. **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。
3. **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。

以下是jieba库的一些基本用法：

### 安装jieba库

首先，你需要安装jieba库。可以使用pip进行安装：

pip install jieba

### 基本分词

import jieba

# 精确模式
text = "我来到北京清华大学"
words = jieba.cut(text, cut_all=False)
print("精确模式: " + "/ ".join(words))

# 全模式
words = jieba.cut(text, cut_all=True)
print("全模式: " + "/ ".join(words))

# 搜索引擎模式
words = jieba.cut_for_search(text)
print("搜索引擎模式: " + "/ ".join(words))

### 添加自定义词典

有时候，jieba的分词结果可能不符合你的需求，你可以添加自定义词典来提高分词的准确性。

jieba.load_userdict("userdict.txt")

### 关键词提取

jieba还提供了关键词提取的功能，可以使用TF-IDF算法或TextRank算法。

import jieba.analyse

text = "我来到北京清华大学"

# TF-IDF关键词提取
keywords = jieba.analyse.extract_tags(text, topK=5)
print("TF-IDF关键词: ", keywords)

# TextRank关键词提取
keywords = jieba.analyse.textrank(text, topK=5)
print("TextRank关键词: ", keywords)

### 词性标注

jieba还支持词性标注。

import jieba.posseg as pseg

words = pseg.cut("我来到北京清华大学")
for word, flag in words:
    print(f"{word} {flag}")