分词是自然语言处理中的一项基础任务。它指的是将一段连续的自然语言文本分成若干个离散的词语。分词是中文自然语言处理的第一步，因为在中文中，单词之间没有像英文单词那样使用空格进行分隔，因此需要通过分词来将词语分离。
下面是分词的完整攻略：
1. 先验知识
在进行分词的任务之前，需要掌握一些先验知识，包括中文的基本语法、语义以及词汇表。对于中文的基础语法，需要清楚中文句子的成分，包括主语、谓语、宾语等等。此外，还需要了解一些中文的特殊现象，比如汉语词汇的多音字、语气助词、专有名词等等。
2. 分词算法
目前，分词算法主要有基于规则和基于统计的两种类型。
2.1 基于规则的分词算法
基于规则的分词算法是根据语言学规则将文本分成单词的一类分词算法。常见的规则包括最长匹配、最短路匹配和正则表达式匹配等。最长匹配是指从左到右扫描字符串，找出最长的一段可以构成一个合法词的子串。最短路匹配是指从左到右扫描字符串，每次都选择一个前缀词，并将该前缀从字符串中去掉，直到字符串为空。正则表达式匹配则是通过正则表达式匹配词语。
2.2 基于统计的分词算法
基于统计的分词算法则是利用一些已经标注好的词库，通过计算这些词汇出现的频率和统计特征来进行分词。常用的基于统计的分词算法包括隐马尔可夫模型（HMM）、条件随机场（CRF）以及基于神经网络的模型等。
3. 示例说明
下面是两个分词的示例说明。
3.1 示例一
假设要对下面这段中文进行分词：
我爱北京天安门
使用最长匹配算法进行分词，分出的结果如下：
我 爱 北京 天安门
3.2 示例二
假设要对下面这段中文进行分词：
河南省信阳市光山县林埠乡下李村委会
使用基于统计的分词算法进行分词，分出的结果如下：
河南省 信阳市 光山县 林埠乡 下李村委会
这里展示的是两种不同的分词算法和分词结果，具体如何选择哪种算法需要根据实际情况来决定。同时，在应用分词算法时，还需要注意一些问题，如停用词的处理、新词的发现与识别等，才能更加准确地进行分词。