1、分词方法
jieba.cut() # 返回对象 generator，可迭代
jieba.cut_for_search() # 返回对象 generator，可迭代
jieba.lcut() # 返回 list
jieba.lcut_for_search() # 返回 list
'/'.join() # 将 cut() 结果用指定符号拼接
2、方法调用（一）
jieba.cut(s, cut_all, HMM) 和 jieba.lcut(s, cut_all, HMM)，接受三个参数
s：要分词的字符串（unicode、UTF-8、GBK）
cut_all：是否使用全模式，默认False
HMM：是否使用HMM模型（隐马可夫模型，新词识别），默认True
示例1（cut_all）：
example1 = jieba.cut('下午去西安交大打球') # 下午/去/西安交大/打球 (generator)
example2 = jieba.cut('下午去西安交大打球', cut_all=True) # 下午/去/西安/西安交大/交大/打球
example3 = jieba.lcut('下午去西安交大打球') # ['下午', '去', '西安交大', '打球']（list）
示例2（HMM）：
example1 = jieba.cut('下午去西大打球', HMM=True) # 转为list ['下午', '去', '西大', '打球']
example2 = jieba.cut('下午去西大打球', HMM=False) # 转为list ['下午', '去', '西', '大', '打球']
3、方法调用（二）
搜索引擎模式
jieba.cut_for_search(s, HMM) 和 jieba.lcut_for_search(s, HMM) # 接受两个参数
对比示例:jieba.lcut("西北大学历史系和考古系很牛")
['西北大学', '历史系', '和', '考古系', '很', '牛']
jieba.
lcut_for_search("西北大学历史系和考古系很牛")['西北', '北大', '大学', '西北大学', '历史', '历史系', '和', '考古', '考古系', '很', '牛']
4、自定义词典
jieba有一定的新词识别能力，添加自定义的词典，可更精确的提高词语识别。
用法：jieba.load_userdict('dict.txt')
词典文本格式：词语 词频(可省略) 词性(可省略) ，以空格为分隔符
示例：example = jieba.cut('我的白球鞋上有很多泥点点，需要刷一刷')
return：我| 的| 白| 球鞋| 上| 有| 很多| 泥| 点点| ，| 需要| 刷| 一刷
示例：jieba.load_userdict('./data_set/word_cloud/dict.txt')
example = jieba.cut('我的白球鞋上有很多泥点点，需要刷一刷')
return：我| 的| 白球鞋| 上| 有| 很多| 泥点点| ，| 需要| 刷一刷
PS: 添加词：add_word(word, freq=None, tag=None)
删除词：del_word(word)
END
来源：CSDN
作者：Plum_sun
链接：https://blog.csdn.net/xp4000/article/details/103477193