脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 网络编程 → PHP编程 → php实例 → php中文分词

开源php中文分词系统SCWS安装和使用实例

 更新时间：2014年04月11日 22:31:34   作者：  
这篇文章主要介绍了开源php中文分词系统SCWS安装和使用实例,需要的朋友可以参考下

一、SCWS简介

SCWS 是 Simple Chinese Word Segmentation 的首字母缩写（即：简易中文分词系统）。
这是一套基于词频词典的机械式中文分词引擎，它能将一整段的中文文本基本正确地切分成词。 词是中文的最小语素单位，但在书写时并不像英语会在词之间用空格分开， 所以如何准确并快速分词一直是中文分词的攻关难点。
SCWS 采用纯 C 语言开发，不依赖任何外部库函数，可直接使用动态链接库嵌入应用程序， 支持的中文编码包括 GBK、UTF-8 等。此外还提供了 PHP 扩展模块， 可在 PHP 中快速而方便地使用分词功能。
分词算法上并无太多创新成分，采用的是自己采集的词频词典，并辅以一定的专有名称，人名，地名， 数字年代等规则识别来达到基本分词，经小范围测试准确率在 90% ~ 95% 之间， 基本上能满足一些小型搜索引擎、关键字提取等场合运用。首次雏形版本发布于 2005 年底。
SCWS 由 hightman 开发， 并以 BSD 许可协议开源发布，源码托管在 github。

二、scws安装

复制代码 代码如下:

# wget -c http://www.xunsearch.com/scws/down/scws-1.2.1.tar.bz2
# tar jxvf scws-1.2.1.tar.bz2
# cd scws-1.2.1
# ./configure --prefix=/usr/local/scws
# make && make install

三、scws的PHP扩展安装

复制代码 代码如下:

# cd ./phpext
# phpize
# ./configure --with-php-config=/usr/local/php5410/bin/php-config
# make && make install
# echo "[scws]" >> /usr/local/php5410/etc/php.ini
# echo "extension = scws.so" >> /usr/local/php5410/etc/php.ini
# echo "scws.default.charset = utf-8" >> /usr/local/php5410/etc/php.ini
# echo "scws.default.fpath = /usr/local/scws/etc/" >> /usr/local/php5410/etc/php.ini

四、词库安装

复制代码 代码如下:

# wget http://www.xunsearch.com/scws/down/scws-dict-chs-utf8.tar.bz2
# tar jxvf scws-dict-chs-utf8.tar.bz2 -C /usr/local/scws/etc/
# chown www:www /usr/local/scws/etc/dict.utf8.xdb

五、php实例代码。可以详细看下SCWS官方API说明

复制代码 代码如下:

//实例化分词插件核心类
 $so = scws_new();
 //设置分词时所用编码
 $so->set_charset('utf-8');
 //设置分词所用词典(此处使用utf8的词典)
 $so->set_dict('/usr/local/scws/etc/dict.utf8.xdb');
 //设置分词所用规则
 $so->set_rule('/usr/local/scws/etc/rules.utf8.ini ');
 //分词前去掉标点符号
 $so->set_ignore(true);
 //是否复式分割，如“中国人”返回“中国＋人＋中国人”三个词。
 $so->set_multi(true);
 //设定将文字自动以二字分词法聚合
 $so->set_duality(true);
 //要进行分词的语句
 $so->send_text(“欢迎来到火星时代IT开发”);
 //获取分词结果，如果提取高频词用get_tops方法
 while ($tmp = $so->get_result())
 {
     print_r($tmp);
 }
 $so->close();

返回数组结果说明：
复制代码 代码如下:

word   _string_ 词本身 
idf        _float_ 逆文本词频 
off         _int_ 该词在原文本路的位置 
attr       _string_ 词性

六、在线API

也可以使用在线API实现中文分词,API地址：http://www.xunsearch.com/scws/api.php，详细说明也在地址中。

 

您可能感兴趣的文章:

相关文章

  • 教你如何开启shopnc b2b2c 伪静态

    教你如何开启shopnc b2b2c 伪静态

    最近要给一个shopnc网站开启伪静态，用的是shopnc b2b2c，在网上搜索了好多shopnc开启伪静态的方法，但都是针对shaopnc c2c的，没有关于shopnc b2b2c的，最后终于找到了shopnc b2b2c怎么开启伪静态。
    2014-10-10
  • laravel unique验证、确认密码confirmed验证以及密码修改验证的方法

    laravel unique验证、确认密码confirmed验证以及密码修改验证的方法

    这篇文章主要介绍了laravel unique验证、确认密码confirmed验证以及密码修改验证的方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2019-10-10
  • PHP实现的简单三角形、矩形周长面积计算器分享

    PHP实现的简单三角形、矩形周长面积计算器分享

    这篇文章主要介绍了PHP实现的简单三角形、矩形周长面积计算器分享,本文的实现相对较简单,同时提供了代码文件下载,需要的朋友可以参考下
    2014-11-11
  • php初学者教程之图片缩放和裁剪

    php初学者教程之图片缩放和裁剪

    这篇文章主要给大家介绍了关于php图片缩放和裁剪的相关资料,主要利用的是imagecopyresampled(),文中通过实例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2022-02-02
  • thinkphp3.x中session方法的用法分析

    thinkphp3.x中session方法的用法分析

    这篇文章主要介绍了thinkphp3.x中session方法,全面分析了thinkPHP中session的初始化、设置、赋值、删除、管理等各种常用操作技巧,需要的朋友可以参考下
    2016-05-05
  • ThinkPHP实现分页功能

    ThinkPHP实现分页功能

    这篇文章主要为大家详细介绍了ThinkPHP实现分页功能的相关代码，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2017-04-04
  • Laravel学习教程之View模块详解

    Laravel学习教程之View模块详解

    这篇文章主要给大家介绍了关于Laravel学习教程之View模块的相关资料，文中通过示例代码将View模块介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧。
    2017-09-09
  • Yii2如何批量添加数据

    Yii2如何批量添加数据

    批量添加这个操作，在实际开发中经常用得到，今天小编抽空给大家整理些有关yii2批量添加的问题，感兴趣的朋友一起看看吧
    2016-05-05
  • PHP 飞信好友免费短信API接口开源版

    PHP 飞信好友免费短信API接口开源版

    飞信好友免费短信API接口PHP开源版，支持群发功能。
    2010-07-07
  • php对接java现实加签验签的实例

    php对接java现实加签验签的实例

    下面小编就为大家带来一篇php对接java现实加签验签的实例。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2016-11-11

最新评论