以下分詞工具均能在Python環境中直接調用（排名不分先後）。
1、jieba（結巴分詞） 免費使用
2、HanLP（漢語言處理包） 免費使用
3、SnowNLP（中文的類庫） 免費使用
4、FoolNLTK（中文處理工具包） 免費使用
5、Jiagu（甲骨NLP） 免費使用
6、pyltp（哈工大語言雲） 商用需要付費
7、THULAC（清華中文詞法分析工具包） 商用需要付費
8、NLPIR（漢語分詞系統） 付費使用
1、jieba（結巴分詞）
“結巴”中文分詞：做最好的 Python 中文分詞組件。
項目Github地址：jieba
安裝 ：
pip install jieba
使用 ：
import jieba
jieba.initialize()
text = '化妝和服裝'
words = jieba.cut(text)
words = list(words)
print(words)
2、HanLP（漢語言處理包）
HanLP是壹系列模型與算法組成的NLP工具包，由大快搜索主導並完全開源，目標是普及自然語言處理在生產環境中的應用。HanLP具備功能完善、性能高效、架構清晰、語料時新、可自定義的特點。
項目Github地址：pyhanlp
安裝：
pip install pyhanlp
使用 ：
import pyhanlp
text = '化妝和服裝'
words = []
for term in pyhanlp.HanLP.segment(text):
words.append(term.word)
print(words)
3、SnowNLP（中文的類庫）
SnowNLP是壹個python寫的類庫，可以方便的處理中文文本內容，是受到了TextBlob的啟發而寫的，由於現在大部分的自然語言處理庫基本都是針對英文的，於是寫了壹個方便處理中文的類庫，並且和TextBlob不同的是，這裏沒有用NLTK，所有的算法都是自己實現的，並且自帶了壹些訓練好的字典。
項目Github地址：snownlp
安裝：
pip install snownlp
使用：
import snownlp
text = '化妝和服裝'
words = snownlp.SnowNLP(text).words
print(words)
4、FoolNLTK（中文處理工具包）
可能不是最快的開源中文分詞，但很可能是最準的開源中文分詞。
項目Github地址：FoolNLTK
安裝：
pip install foolnltk
使用：
import fool
text = '化妝和服裝'
words = fool.cut(text)
print(words)
5、Jiagu（甲骨NLP）
基於BiLSTM模型，使用大規模語料訓練而成。將提供中文分詞、詞性標註、命名實體識別、關鍵詞抽取、文本摘要、新詞發現等常用自然語言處理功能。參考了各大工具優缺點制作，將Jiagu回饋給大家。
項目Github地址：jiagu
安裝：
pip3 install jiagu
使用：
import jiagu
jiagu.init()
text = '化妝和服裝'
words = jiagu.seg(text)
print(words)
6、pyltp（哈工大語言雲）
pyltp 是 LTP 的 Python 封裝，提供了分詞，詞性標註，命名實體識別，依存句法分析，語義角色標註的功能。
項目Github地址：pyltp，3.4模型下載鏈接：網盤
安裝：
pip install pyltp
使用：
import pyltp
segmentor = pyltp.Segmentor()
segmentor.load('model/ltp_data_v3.4.0/cws.model') # 模型放置的路徑
text = '化妝和服裝'
words = segmentor.segment(text)
words = list(words)
print(words)
7、THULAC（清華中文詞法分析工具包）
THULAC（THU Lexical Analyzer for Chinese）由清華大學自然語言處理與 社會 人文計算實驗室研制推出的壹套中文詞法分析工具包，具有中文分詞和詞性標註功能。
項目Github地址：THULAC-Python
安裝：
pip install thulac
使用：
import thulac
thu = thulac.thulac(seg_only=True)
text = '化妝和服裝'
words = thu.cut(text, text=True).split()
print(words)
NLPIR（漢語分詞系統）
主要功能包括中文分詞；英文分詞；詞性標註；命名實體識別；新詞識別；關鍵詞提取；支持用戶專業詞典與微博分析。NLPIR系統支持多種編碼、多種操作系統、多種開發語言與平臺。
項目Github地址：pynlpir
安裝：
pip install pynlpir
下載證書覆蓋到安裝目錄，NLPIR.user 例如安裝目錄：/usr/lib64/python3.4/site-packages/pynlpir/Data
使用 ：
import pynlpir
pynlpir.open()
text = '化妝和服裝'
words = pynlpir.segment(text, pos_tagging=False)
print(words)
pynlpir.close()