SCWS 中文分詞 php安裝使用例子

2024-05-04 21:50:36

字體：大中小

來源：轉載

供稿：網友

今天發現一個很好用的中文分詞工具,分享一下

CWS 是 Simple Chinese Word Segmentation 的首字母縮寫（即：簡易中文分詞系統）。

這是一套基于詞頻詞典的機械式中文分詞引擎，它能將一整段的中文文本基本正確地切分成詞。詞是中文的最小語素單位，但在書寫時并不像英語會在詞之間用空格分開，所以如何準確并快速分詞一直是中文分詞的攻關難點。

SCWS 采用純 C 語言開發，不依賴任何外部庫函數，可直接使用動態鏈接庫嵌入應用程序，支持的中文編碼包括 GBK、UTF-8 等。此外還提供了 PHP 擴展模塊，可在 PHP 中快速而方便地使用分詞功能。

分詞算法上并無太多創新成分，采用的是自己采集的詞頻詞典，并輔以一定的專有名稱，人名，地名，數字年代等規則識別來達到基本分詞，經小范圍測試準確率在 90% ~ 95% 之間，基本上能滿足一些小型搜索引擎、關鍵字提取等場合運用。首次雛形版本發布于 2005 年底。

二、scws安裝

# 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擴展安裝

# 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、詞庫安裝

# 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

例子:

header("Content-Type:text/html; charset=utf-8");

define('APP_ROOT', str_replace('//', '/', dirname(__FILE__)));

$test = '真怕有一天我們再次成為交叉線，我想那時就再也不可能回歸了，快樂永遠是拿痛苦做代價，你現在多幸福，多快樂，你以后就會越傷心越難過，不想發生!';

function get_tags_arr($title)

    {

        require(APP_ROOT.'/pscws4.class.php');

        $pscws = new PSCWS4();

        $pscws->set_dict(APP_ROOT.'/scws/dict.utf8.xdb');

        $pscws->set_rule(APP_ROOT.'/scws/rules.utf8.ini');

        $pscws->set_ignore(true);

        $pscws->send_text($title);

        $words = $pscws->get_tops(5);

        $tags = array();

        foreach ($words as $val) {

            $tags[] = $val['word'];

        }

        $pscws->close();

        return $tags;

}

print_r(get_tags_arr($test));

function get_keywords_str($content){

    require(APP_ROOT.'/phpanalysis.class.php');

    PhpAnalysis::$loadInit = false;

    $pa = new PhpAnalysis('utf-8', 'utf-8', false);

    $pa->LoadDict();

    $pa->SetSource($content);

    $pa->StartAnalysis( false );

    $tags = $pa->GetFinallyResult();

    return $tags;

}

print(get_keywords_str($test));