jieba库是优秀的中文分词库
安装jieba：pip install jieba

支持三种分词模式：

精确模式：试图将句子最精确地切开，适合文本分析；
jieba.cut(s)—精确模式，返回一个可迭代的数据类型

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；
jieba.cut(s，cut_all=True )—全模式，输出文本s中所有可能单词

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。
jieba.cut_for_search(s)—搜索引擎模式，适合搜索引擎建立索引的分词结果

jieba的功能不只是分词
添加自定义词典
开发者可以指定自己自定义的词典，以便包含jieba词库里没有的词。虽然jieba有新词识别能力，但是自行添加新词可以保证更高的正确率

用法： jieba.load_userdict(file_name) # file_name为自定义词典的路径

词典格式和dict.txt一样，一个词占一行；每一行分三部分，一部分为词语，另一部分为词频，最后为词性（可省略），用空格隔开

词性标注
标注句子分词后每个词的词性，采用和ictclas兼容的标记法

用法示例

关键词提取
jieba.analyse.extract_tags(sentence,topK) #需要先import jieba.analyse

setence为待提取的文本

topK为返回几个TF/IDF权重最大的关键词，默认值为20

安装：pip install wordcloud
数值计算库：pip install numpy，这个模块这里这是提及一下，主要是用在数据分析上
绘图库：pip install matplotlib，这个模块能制作我们的图表（数据可视化）、处理图片

然后我们就写一个demo，我们把大田后生仔这首歌的歌词分析出来做一个词云
歌词就不发了，自己去网上copy了…

注意一：词云图默认是不支持中文的，所以我们需要自己导入字体，不然我们的中文子就会显示为口口口，字体可以自己去系统里面copy：C:WindowsFonts，你可以把字体copy到你的项目中，也可以在font_path中加入全路径

注意二：词云图默认是矩形的，如果你想要不同的形状需要自己加入那种透明化了的图形图

import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image


str = open("歌词.txt","r",encoding="UTF-8").read().replace(" ","").replace(":","").replace("n","").replace(": ","")
list1 = jieba.lcut(str)
lists = " ".join(list1)

# 指定云词的模板
image = np.array(Image.open("qq.jpg"))

# 使用WordCloud进行云词的展示
wc = WordCloud(font_path="msyh.ttc", width=800, height=400, mask=image, background_color="white")
wc.generate(lists)

# 绘制,可以不用绘制直接保存图片
plt.imshow(wc)
plt.axis("off")
plt.show()

# 保存文件
wc.to_file("结果.png")

最后结果图

end…