SCWS 中文分词 php安装使用例子

发布时间：2022-02-24 13:28 所属栏目：121 来源：互联网

导读：今天发现一个很好用的中文分词工具,分享一下 CWS 是 Simple Chinese Word Segmentation 的首字母缩写（即：简易中文分词系统）。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

　　今天发现一个很好用的中文分词工具,分享一下

　　CWS 是 Simple Chinese Word Segmentation 的首字母缩写（即：简易中文分词系统）。

　　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。

　　二、scws安装

　　# 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

　　# 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

　　# 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 = '真怕有一天我们再次成为交叉线，我想那时就再也不可能回归了，快乐永远是拿痛苦做代价，你现在多幸福，多快乐，你以后就会越伤心越难过，不想发生!';
　　         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));

（编辑：ASP站长网）