1 .cut()函数，将句子进行分词 .cut（待处理的句子，处理时使用的模式） 全模式jieba.cut(sentence,cut_all =True)：分的词比较全，但词汇可能有叠加 精准模式jieba.cut(sentence,cut_all=False)，与全模式相对立，词汇无叠加 搜索引擎模式jieba.cut_for_search（语句）
对于输出，需要通过循环将其遍历出来
for item in w1: print(item)2 .posseg()函数，进行词性标注 a:形容词 c:连词 d:副词 e:叹词 f:方位词 i:成语 m:数词 n:名词 nr:人名 ns:地名 nt:机构团体 p:介词 r:代词 t:时间 u:助词 v:动词 vn:名动词 w:标点符号 un:未知词语
import jieba.posseg w5 = jieba.posseg.cut(sentence) #.flag词性 #.word词语 for item in w5: print(item.word+"-----"+item.flag)3 识别自定义词汇 （1）导入自己创建的文本，编码格式须设置为UTF-8格式： jieba.load_userdict（自己创建的文本的地址）
（2）人为强行设施自定义词汇，帮助识别： jieba.add_word(“自定义词汇”） jieba.suggest_freq(“自定义词汇”, tune=True)
（3）提取频率最高的几个关键词方法： 使用前先导入import analyse jieba.analyse.extract_tags(句子, topK=20, withWeight=False, allowPOS=()) sentence 为待提取的文本 topK 为返回几个 TF/IDF 权重最大的关键词，即频率最高的前topK个词，默认值为 20 withWeight 为是否一并返回关键词权重值，默认值为 False allowPOS 仅包括指定词性的词，默认值为空，即不筛选
4.返回词语位置 jieba.tokenise(sentence)
w9 = jieba.tokenize("陶云科技是做云计算的") for item in w9: print(item)