pip 与第三方包

除了 Python 内置模块，还可以安装第三方包。第三方包通常由社区或公司维护，可以扩展 Python 的能力。

pip 与 PyPI

pip 是 Python 常用的包管理工具。它通常从 Python Package Index（PyPI）下载包，并把包安装到当前 Python 解释器可以导入的位置。

pip install emoji
pip show emoji
pip list
pip install --upgrade emoji
pip uninstall emoji

最常见的安装格式是 pip install 包名。install 安装，show 查看一个包的信息，list 列出已安装包，--upgrade 升级，而 uninstall 卸载。安装名称与导入名称有时不同；本例中二者都是 emoji。

一个简单直观的第三方包：emoji

emoji 可以把容易输入和阅读的别名转换为真正的 Emoji。安装后，下面的程序会把 :thumbs_up: 转换成 👍：

import emoji

message = emoji.emojize("Python is :thumbs_up:")
print(message)

运行结果：

Python is 👍

emojize() 接收一个字符串并返回转换后的新字符串。这个例子能直接看到第三方包为程序增加了什么能力。

jieba 分词（中文扩展）

中文文本没有像英文那样天然用空格分词。做中文文本分析时，首先要把句子切分成词语，这一步叫分词。jieba 会先根据词典构建可能的切分路径，再选择更合理的组合；遇到词典里没有的新词时，还可以借助统计模型尝试识别。它的结果是算法判断，不是唯一绝对正确的答案。

pip install jieba

jieba 支持多种分词模式：

• 精确模式（exact mode）：尽量准确地切分词语，适合普通文本分析。
• 全模式（full mode）：尽可能列出所有可能成词的片段，速度快但可能冗余。
• 搜索引擎模式（search engine mode）：在精确模式基础上进一步切分长词，适合搜索。

固定文本分词

因为我们还没有学习文件读取，本节先使用写在程序里的固定文本。下面的例子把一段中文切分成词语：

import jieba

text = "人工智能正在改变教育方式，互动教程可以帮助学习者把抽象概念变得具体。"
words = jieba.lcut(text)
print(words)

一次可能的运行结果：

['人工智能', '正在', '改变', '教育', '方式', '，', '互动', '教程', '可以', '帮助', '学习者', '把', '抽象', '概念', '变得', '具体', '。']

如果要做简单词频统计，可以先过滤掉标点和单字词，再用字典自己计数：

import jieba

text = "人工智能正在改变教育方式，人工智能也正在改变学习方式。"
words = jieba.lcut(text)
frequency = {}

for word in words:
    if len(word) <= 1:
        continue
    frequency[word] = frequency.get(word, 0) + 1

items = list(frequency.items())
items.sort(key=lambda item: item[1], reverse=True)
print(items[:5])