我想从一段中文自然语言中，分出分词元素： 区位词（省市县区街道）、地名关键字（XX食品店）、类别词（公司、大学、食堂）、空间关系词、数据类型（正射影像、DEM（数据格式）、房地产测绘数据、地下管线（项目类型））、生产单位、时间词（生产时间、审核时间、提交时间）这些词，怎么用jieba分词和命名实体识别代码实现

首先，jieba分词库可以用来对中文文本进行分词。你可以使用jieba.cut函数来获得一段中文文本的分词结果。例如：

import jieba

text = "浙江省杭州市西湖区杭州市西湖区文二西路浙江大学玉泉校区"
seg_list = jieba.cut(text, cut_all=False)
print(", ".join(seg_list))

输出结果为：

浙江省, 杭州市, 西湖区, 杭州市, 西湖区, 文二西路, 浙江大学, 玉泉, 校区

接下来，你可以使用命名实体识别（NER）算法来识别分词结果中的实体。在Python中，你可以使用pyhanlp、Stanford NER等工具库来实现NER算法。以pyhanlp为例，你可以使用如下代码来对分词结果进行NER识别：

from pyhanlp import *

text = "浙江省杭州市西湖区杭州市西湖区文二西路浙江大学玉泉校区"
tokenizer = JClass("com.hankcs.hanlp.tokenizer.StandardTokenizer")
segment = tokenizer.segment(text)
for term in segment:
    word, nature = term.word, term.nature.toString()
    print(word, nature)

输出结果为：

浙江省 ns
杭州市 ns
西湖区 ns
杭州市 ns
西湖区 ns
文二西路 ns
浙江大学 nt
玉泉 ns
校区 n

其中，ns表示地名，nt表示组织机构名。你可以根据需要，选择需要保留的实体类型。

最后，你需要将分词结果和NER识别结果结合起来，提取出你需要的关键词。具体实现方式可以根据你的需求来设计，例如正则表达式匹配、基于规则的方法等。