PhpanAlysis - PHP无组件分词系统
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/
添加新评论