Python使用jieba分詞

# -*- coding: utf-8 -*-
# Spyder (python 3.7)

import pandas as pd
import jieba
import jieba.analyse as anls

if __name__ == '__main__':  
    data = pd.read_excel(r'空氣指數評論.xlsx')
    # content為excel的列名
    opinion_content = data['content'].dropna().values
    all_word = ''
    for i in opinion_content: #形成整個字元串
        all_word = all_word +','+ str(i)
    all_word = all_word.strip()  #去掉字元串的空格
    all_word_upper = all_word.upper() #大寫

　　#載入詞典 #jieba.load_userdict(r"D:\Python_workspace\aaaa.txt")
  
　　#如果有不想被切分開的詞，例如王者榮耀，和平精英等，可以進行參數設置：tune=True
　　# jieba.analyse 是基於tf-idf演算法的關鍵詞抽取
    segment=['王者榮耀','和平精英']
    for ii in segment:
        jieba.suggest_freq(ii, tune=True)
    
    anls.set_stop_words("111.txt")  #載入停用詞文檔，網上可以下載或者自己創建
    tags = anls.extract_tags(all_word_upper, topK=None, withWeight=True)
    for x, w in tags:
        print('%s %s' % (x, w))
        
    for v, n in tags:
        #權重n是小數，乘了十萬成為整數，可以按需求設置不同值
        out_words= v + '\t' + str(int(n * 100000))
        #註意'a+'為追加寫入，因此如果重新運行程式，則需要先刪除上次生成的文件，結果保存在當前目錄下，可以更改目錄
        with open('.\cut_words_content.txt','a+',encoding='utf-8')as f:
            f.write(out_words+'\n')

附加：另一種jieba分詞寫法：

 sentence_seged = [seg for seg in jieba.cut(all_word) if len(seg) >= char_len]
# all_word為整個要分詞的字元串，該方式沒有利用到權重，是單純的分詞
# 返回的是分詞後的列表
# 分詞長度最少大於char_len

參考jieba中文分詞：https://github.com/fxsjy/jieba

##歡迎討論