官方源码文档是这样写的：

SnowNLP是一个python写的类库，可以方便的处理中文文本内容，是受到了TextBlob的启发而写的，由于现在大部分的自然语言处理库基本都是针对英文的，于是写了一个方便处理中文的类库，并且和TextBlob不同的是，这里没有用NLTK，所有的算法都是自己实现的，并且自带了一些训练好的字典。注意本程序都是处理的unicode编码，所以使用时请自行decode成unicode。

简而言之就是：SnowNLP是一个Python写的类库，而且是针对中文的自然语言处理库。

主要功能有：

SnowNLP已经加到了开源源码库中，所以可以直接用install的方式下载。

下载好的源码包视图：

这里仅针对SnowNLP的主要功能例举几个简单的实例，仅供参考。

 结果：

这个例子也暴露了SnowNLP分词方面的局限性，SnowNLP的分词是基于共19484行句子作为语料库来训练分词的，这些句子可能来自不同的几个方向，但不太全面，所以在某些词语的分解上有缺陷。个人感觉SnowNLP的分词没有jieba分词和HanLP分词好用，jieba分词功能更多，个人倾向于jieba的分词。

结果：

结果：

 情感分析的结果是一个小数，越接近1，说明越偏向积极；越接近0，说明越偏向消极。

SnowNLP的情感分析是基于自带的两个积极跟消极的语料文件来进行分析的（neg.txt、pos.txt）。这两个语料文件是某平台的评论留言，主要有关于书本的、酒店的、电脑及配件的几个方向的评价留言。由于语料文件比较片面，而且其中有些语句意向不准确，导致情感分析在某些场合中效果并不明显，推荐训练自己的语料文件。具体方法请看后面详细讲解的SnowNLP情感分析模块。

结果：

结果：

原理请查看博客：SnowNLP——获取关键词（keywords(1)）

结果：

结果：

来百度一下是什么意思：TF-IDF（term frequency–inverse document frequency）是一种用于信息检索与数据挖掘的常用加权技术。TF是词频(Term Frequency)，IDF是逆文本频率指数(Inverse Document Frequency)。

 结果：

结果：

注意：返回的结果是一个list，sentences是利用非英文语句分割符号来将语句分割开。就是只以中文逗号、中文分号、中文句号、中文感叹号、中文问号为分割符将语句分割开。

结果：