PhpanAlysis分词系统是基于字符串匹配的分词方法 ，这种方法又叫做机械分词方法，它是按照一定的策略将待分析的汉字串与一个“充分大的”机器词典中的词条进行配，若在词典中找到某个字符串，则匹配成功（识别出一个词）。按照扫描方向的不同，串匹配分词方法可以分为正向匹配 和逆向匹配；按照不同长度优先匹配的情况，可以分为最大（最长）匹配和最小（最短）匹配；按照是否与词性标注过程相结合，又可以分为单纯分词方法和分词与标注相结合的一体化方法。

官方文档

PHPAnalysis类API文档

一、比较重要的成员变量

$resultType   = 1       // 生成的分词结果数据类型(
                        //    1 为全部，
                        //    2 为词典词汇及单个中日韩简繁字符及英文
                        //    3 为词典词汇及英文)
                        //这个变量一般用 SetResultType( $rstype ) 这方法进行设置。
                          
$notSplitLen  = 5        // 切分句子最短长度
$toLower      = false    //把英文单词全部转小写
$differMax    = false    //使用最大切分模式对二元词进行消岐
$unitWord     = true     //尝试合并单字(即是新词识别)
$differFreq   = false    //使用热门词优先模式进行消岐

二、主要成员函数列表

1、构造函数

public function __construct($source_charset='utf-8', $target_charset='utf-8', $load_all=true, $source=''){
}
//函数说明：构造函数
//参数列表：
//    $source_charset      源字符串编码
//    $target_charset      目录字符串编码
//    $load_all            是否完全加载词典（此参数已经作废）
//    $source              源字符串

如果输入输出都是utf-8，实际上可以不必使用任何参数进行初始化，而是通过 SetSource 方法设置要操作的文本

2、设置源字符串

public function SetSource( $source, $source_charset='utf-8', $target_charset='utf-8' )

//函数说明：设置源字符串
//参数列表：
//    $source              源字符串
//    $source_charset      源字符串编码
//    $target_charset      目录字符串编码
//返回值：bool

3、开始执行分词操作

public function StartAnalysis($optimize=true)

//函数说明：开始执行分词操作
//参数列表：
//    $optimize            分词后是否尝试优化结果
//返回值：void
一个基本的分词过程：
        $pa = new PhpAnalysis();
        $pa->SetSource('需要进行分词的字符串');
        //设置分词属性
        $pa->resultType = 2;
        $pa->differMax  = true;
        $pa->StartAnalysis();
        //获取你想要的结果
        $pa->GetFinallyIndex();

4、设置返回结果的类型

public function SetResultType( $rstype )

//函数说明：设置返回结果的类型
//实际是对成员变量 $resultType的操作
//参数 $rstype 值为：
//    1 为全部， 
//    2为 词典词汇及单个中日韩简繁字符及英文， 
//    3 为词典词汇及英文
//返回值：void

5、获取出现频率最高的指定词条数（通常用于提取文档关键字）

public function GetFinallyKeywords( $num = 10 )
//函数说明：获取出现频率最高的指定词条数（通常用于提取文档关键字）
//参数列表：
//    $num = 10  返回词条个数
//返回值：用","分隔的关键字列表

6、获得最终分词结果

public function GetFinallyResult($spword=' ')
//函数说明：获得最终分词结果
//参数列表：
//    $spword    词条之间的分隔符
//返回值：string

7、获得粗分结果

public function GetSimpleResult()
//函数说明：获得粗分结果
//返回值：array

8、获得包含属性信息的粗分结果

public function GetSimpleResultAll()
//函数说明：获得包含属性信息的粗分结果
//属性（
        1中文词句、
        2 ANSI词汇（包括全角），
        3 ANSI标点符号（包括全角），
        4数字（包括全角），
        5 中文标点或无法识别字符）
//返回值：array

9、获取hash索引数组

public function GetFinallyIndex()

//函数说明：获取hash索引数组
//返回值：array('word'=>count,...) 按出现频率排序

10、把文本文件词库编译成词典

public function MakeDict( $source_file, $target_file='' )

//函数说明：把文本文件词库编译成词典
//参数列表：
//    $source_file   源文本文件
//    $target_file   目标文件(如果不指定，则为当前词典)
//返回值：void

11、导出当前词典全部词条为文本文件

public function ExportDict( $targetfile )

//函数说明：导出当前词典全部词条为文本文件
//参数列表：
//    $targetfile  目标文件
//返回值：void

官方地址以及下载地址：http://www.phpbone.com/phpanalysis/