jieba分词的普通分词用jieba.cut函数,分词并进行词性标注用jieba.posseg.cut函数,官网示例如下:
>>> import jieba.posseg as pseg
>>> words = pseg.cut("我爱北京天安门")
>>> for word, flag in words:
print('%s %s' % (word, flag))
我 r
爱 v
北京 ns
天安门 ns
jieba使用的词性标注表如下:
- 名词 (1个一类,7个二类,5个三类)
名词分为以下子类:
n 名词
nr 人名
nr1 汉语姓氏
nr2 汉语名字
nrj 日语人名
nrf 音译人名
ns 地名
nsf 音译地名
nt 机构团体名
nz 其它专名
nl 名词性惯用语
ng 名词性语素 - 时间词(1个一类,1个二类)
t 时间词
tg 时间词性语素 - 处所词(1个一类)
s 处所词 - 方位词(1个一类)
f 方位词 - 动词(1个一类,9个二类)
v 动词
vd 副动词
vn 名动词
vshi 动词“是”
vyou 动词“有”
vf 趋向动词
vx 形式动词
vi 不及物动词(内动词)
vl 动词性惯用语
vg 动词性语素 - 形容词(1个一类,4个二类)
a 形容词
ad 副形词
an 名形词
ag 形容词性语素
al 形容词性惯用语 - 区别词(1个一类,2个二类)
b 区别词
bl 区别词性惯用语 - 状态词(1个一类)
z 状态词 - 代词(1个一类,4个二类,6个三类)
r 代词
rr 人称代词
rz 指示代词
rzt 时间指示代词
rzs 处所指示代词
rzv 谓词性指示代词
ry 疑问代词
ryt 时间疑问代词
rys 处所疑问代词
ryv 谓词性疑问代词
rg 代词性语素 - 数词(1个一类,1个二类)
m 数词
mq 数量词 - 量词(1个一类,2个二类)
q 量词
qv 动量词
qt 时量词 - 副词(1个一类)
d 副词 - 介词(1个一类,2个二类)
p 介词
pba 介词“把”
pbei 介词“被” - 连词(1个一类,1个二类)
c 连词
cc 并列连词 - 助词(1个一类,15个二类)
u 助词
uzhe 着
ule 了 喽
uguo 过
ude1 的 底
ude2 地
ude3 得
usuo 所
udeng 等 等等 云云
uyy 一样 一般 似的 般
udh 的话
uls 来讲 来说 而言 说来
uzhi 之
ulian 连 (“连小学生都会”) - 叹词(1个一类)
e 叹词 - 语气词(1个一类)
y 语气词(delete yg) - 拟声词(1个一类)
o 拟声词 - 前缀(1个一类)
h 前缀 - 后缀(1个一类)
k 后缀 - 字符串(1个一类,2个二类)
x 字符串
xx 非语素字
xu 网址URL - 标点符号(1个一类,16个二类)
w 标点符号
wkz 左括号,全角:( 〔 [ { 《 【 〖 〈 半角:( [ { <
wky 右括号,全角:) 〕 ] } 》 】 〗 〉 半角: ) ] { >
wyz 左引号,全角:“ ‘ 『
wyy 右引号,全角:” ’ 』
wj 句号,全角:。
ww 问号,全角:? 半角:?
wt 叹号,全角:! 半角:!
wd 逗号,全角:, 半角:,
wf 分号,全角:; 半角: ;
wn 顿号,全角:、
wm 冒号,全角:: 半角: :
ws 省略号,全角:…… …
wp 破折号,全角:—— -- ——- 半角:--- ----
wb 百分号千分号,全角:% ‰ 半角:%
wh 单位符号,全角:¥ $ £ ° ℃ 半角:$