在文本特征值抽取过程中，将用到jieba分词
特点
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；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。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。 支持繁体分词支持自定义词典MIT 授权协议
安装方法
pip install jieba
官网
https://pypi.org/project/jieba/
Demo
from sklearn.feature_extraction import DictVectorizer
from sklearn.feature_extraction.text import CountVectorizer
import jieba
def cutword():
con1 = jieba.cut("人从来不是一成不变的，生活会追着你，一而再的脱胎换骨，只要愿意，你永远有机会，成为不断前行的人，最终活成自己喜欢的模样。")
con2 = jieba.cut("自己喜欢的未必是自己擅长的，自己擅长的又未必是自己喜欢的。当你发现你不擅长这件事情的时候，你就要努力想清楚：我应该干什么？我能干什么？我可以干什么？")
con3 = jieba.cut("朋友是生命的丛林，是心灵歇脚的驿站，是收藏心事的寓所，是储蓄感情的行囊，不管人生路上几多风雨，朋友如伞，伴你一路晴空！愿你的天空更蓝、人生最美！")
# 转换成列表
content1 = list(con1)
content2 = list(con2)
content3 = list(con3)
# 把列表转换成字符串
c1 = ' '.join(content1)
c2 = ' '.join(content2)
c3 = ' '.join(content3)
return c1,c2,c3
def hanzivec():
"""
中文特征值化
：return： None
"""
c1, c2, c3 = cutword()
print(c1,c2,c3)
cv = CountVectorizer()
data = cv.fit_transform([c1,c2,c3])
print(cv.get_feature_names())
print(data.toarray())
return None
if __name__ == "__main__":
hanzivec()
结果如下
