Maison > Article > développement back-end > Comment installer php scws (composant de segmentation de mots) ?
Installer scws dans l'environnement centOs
1、安装 bzip2 及 gcc gcc-c++ yum install bzip2 yum -y install gcc gcc-c++ 2、下载 scws-1.2.3 的代码 wget http://www.xunsearch.com/scws/down/scws-1.2.3.tar.bz2 3、解压 tar xvjf scws-1.2.3.tar.bz2 4、安装 cd scws-1.2.3 ./configure --prefix=/usr/local/scws make ; make install 顺利的话已经编译并安装成功到 /usr/local/scws 中了,执行下面命令看看文件是否存在 ls -al /usr/local/scws/lib/libscws.la 5、用 wget 下载并解压词典,或从主页下载然后自行解压再将 *.xdb 放入 /usr/local/scws/etc 目录中 cd /usr/local/scws/etc wget http://www.xunsearch.com/scws/down/scws-dict-chs-gbk.tar.bz2 wget http://www.xunsearch.com/scws/down/scws-dict-chs-utf8.tar.bz2 tar xvjf scws-dict-chs-gbk.tar.bz2 tar xvjf scws-dict-chs-utf8.tar.bz2 6、php扩展 如果您需要在 php 中调用分词,建议继续阅读本文安装 php 扩展,否则可跳过不看。 假设您已经将 scws 按上述步骤安装到 /usr/local/scws 中。 安装此扩展要求您的 php 和系统环境安装了相应的 autoconf automake 工具及 phpize 。 1) 进入源码目录的 phpext/ 目录 cd /var/scws-1.2.3/phpext 2) 执行 phpize (在PHP安装目录的bin/目录下)[没有安装phpize 使用 yum install php-devel 安装] 3) 执行 ./configure --with-scws=/usr/local/scws 4) 若 php 安装在特殊目录 $php_prefix, 则请在 configure 后加上 --with-php-config=$php_prefix/bin/php-config 5) 在 php.ini [/etc/php.ini] 中加入以下几行 [scws] extension = scws.so scws.default.charset = utf8 scws.default.fpath = /usr/local/scws/etc
Installer scws dans l'environnement Windows
php 扩展下载地址 1. 根据您当前用的 PHP 版本,下载相应已编译好的 php_scws.dll 扩展库。 目前支持 PHP-4.4.x 和 PHP-5.2.x 系列,下载地址分别为: php-4.4.x: http://www.xunsearch.com/scws/down/php-4.4.x/php_scws.dll php-5.2.x: http://www.xunsearch.com/scws/down/php-5.2.x/php_scws.dll php-5.3.x: http://www.xunsearch.com/scws/down/php-5.3.x/php_scws.dll 2. 将下载后的 php_scws.dll 放到 php 安装目录的 extensions/ 目录中去(通常为:X:/php/extensions/或 X:/php/ext/)。 3. 建立一个本地目录放规则集文件和词典文件,建议使用:C:/program files/scws/etc 4. 从 scws 主页上下载词典文件,解压后将 *.xdb 放到上述目录中 词典系列:http://www.xunsearch.com/scws/down/scws-dict-chs-gbk.tar.bz2 http://www.xunsearch.com/scws/down/scws-dict-chs-utf8.tar.bz2 http://www.xunsearch.com/scws/down/scws-dict-cht-utf8.tar.bz2 5. 从 scws 主页上下载规则集文件,解压后将 *.ini 放到第 3 步建立的目录 规则集文件压缩包:http://www.xunsearch.com/scws/down/rules.tgz 解压后有三个文件分别为 rules.ini rules.utf8.ini rules_cht.utf8.ini 将三件文件拷到第 3 步所述的目录中 6. 修改 php.ini 通常位于 C:/windows/php.ini 或 C:/winnt/php.ini 之类的目录, 在 php.ini 的末尾加入以下几行: [scws] ; ; 注意请检查 php.ini 中的 extension_dir 的设定值是否正确, 否则请将 extension_dir 设为空, ; 再把 php_scws.dll 指定为绝对路径。 ; extension = php_scws.dll scws.default.charset = gbk scws.default.fpath = "c:/program files/scws/etc" 5. 重开 web 服务器即可完成。
code php
php 代码 <?php $so = scws_new(); //$so->set_charset('utf-8'); // 这里没有调用 set_dict 和 set_rule 系统会自动试调用 ini 中指定路径下的词典和规则文件 $so->send_text("我是一个中国人,我会C++语言,我也有很多T恤衣服 name is hai"); while ($tmp = $so->get_result()) { print_r($tmp); } $so->close(); ?> 预定义常量 ----------- * `SCWS_XDICT_XDB` 词典文件为 XDB * `SCWS_XDICT_MEM` 将词典全部加载到内存里 * `SCWS_XDICT_TXT` 词典文件为 TXT(纯文本) * `SCWS_MULTI_NONE` 不进行复合分词 * `SCWS_MULTI_SHORT` 短词复合 * `SCWS_MULTI_DUALITY` 散字二元复合 * `SCWS_MULTI_ZMAIN` 重要单字 * `SCWS_MULTI_ZALL` 全部单字 预定义类 --------- 这是一个类似 `Directory` 的内置式伪类操作,类方法建立请使用 `scws_new()` 函数,而不能直接用 `new SimpleCWS`。 否则不会包含有 handle 指针,将无法正确操作。它包含的方法有: ```php class SimpleCWS { resource handle; bool close(void); bool set_charset(string charset) bool add_dict(string dict_path[, int mode = SCWS_XDICT_XDB]) bool set_dict(string dict_path[, int mode = SCWS_XDICT_XDB]) bool set_rule(string rule_path) bool set_ignore(bool yes) bool set_multi(int mode) bool set_duality(bool yes) bool send_text(string text) mixed get_result(void) mixed get_tops([int limit [, string xattr]]) bool has_word(string xattr) mixed get_words(string xattr) string version(void) }; ``` > **注意** 类方法的用与支 scws_xxx_xxx 系列函数用法一致,只不过免去第一参数, > 故不另外编写说明,请参见函数列表即可。 **例子1** 使用类方法分词 ```php <?php $so = scws_new(); $so->set_charset('gbk'); // 这里没有调用 set_dict 和 set_rule 系统会自动试调用 ini 中指定路径下的词典和规则文件 $so->send_text("我是一个中国人,我会C++语言,我也有很多T恤衣服"); while ($tmp = $so->get_result()) { print_r($tmp); } $so->close(); ?> ``` **例子2** 使用函数提取高频词 ```php <?php $sh = scws_open(); scws_set_charset($sh, 'gbk'); scws_set_dict($sh, '/path/to/dict.xdb'); scws_set_rule($sh, '/path/to/rules.ini'); $text = "我是一个中国人,我会C++语言,我也有很多T恤衣服"; scws_send_text($sh, $text); $top = scws_get_tops($sh, 5); print_r($top); ?> ``` > **注意** 为方便使用,当 `SimpleCWS::send_text` 方法或 `scws_send_text()` 函数被调用前并且没有 > 加载任何词典和规则集时,系统会自动在 `scws.default.fpath` (ini配置)目录中查找相应的字符集词典。 > 词典和规则文件的命名方式为 dict[.字符集].xdb 和 rules[.字符集].ini ,当字符集是 gbk 时中括号里面的 > 部分则不需要,直接使用 dict.xdb 和 rules.ini 而不是 dict.gbk.xdb 。 > > 此外,输入的文字,词典、规则文件这三者的字符集必须统一,如果不是默认的 gbk 字符集请调用 > `SimpleCWS::set_charset` 或 `scws_set_charset` 来设定,否则可能出现意外错误。 函数详解 -------- 1. `mixed scws_new(void)` 创建并返回一个 `SimpleCWS` 类操作对象。 > **返回值** 成功返回类操作句柄,失败返回 false。 2. `mixed scws_open(void)` 创建并返回一个分词操作句柄。 > **返回值** 成功返回 scws 操作句柄,失败返回 false。 3. `bool scws_close(resource scws_handle)` `SimpleCWS::close(void)` 关闭一个已打开的 scws 分词操作句柄。 > **参数 scws_handle** 即之前由 scws_open 打开的返回值。 > **返回值** 始终为 true > **注意** 后面的 API 中省去介绍 scws_handle 参数,含义和本函数相同。 4. `bool scws_set_charset(resource scws_handle, string charset)` `bool SimpleCWS::set_charset(string charset)` 设定分词词典、规则集、欲分文本字符串的字符集。 > **参数 charset** 要新设定的字符集,目前只支持 utf8 和 gbk。(注:默认为 gbk,utf8不要写成utf-8) > **返回值** 始终为 true 5. `bool scws_add_dict(resource scws_handle, string dict_path [, int mode])` `bool SimpleCWS::add_dict(string dict_path [, int mode])` 添加分词所用的词典,新加入的优先查找。 > **参数 dict_path** 词典的路径,可以是相对路径或完全路径。(遵循安全模式下的 open_basedir) > **参数 mode** 可选,表示加载的方式。其值有: > > - SCWS_XDICT_TXT 表示要读取的词典文件是文本格式,可以和后2项结合用 > - SCWS_XDICT_XDB 表示直接读取 xdb 文件(此为默认值) > - SCWS_XDICT_MEM 表示将 xdb 文件全部加载到内存中,以 XTree 结构存放,可用异或结合另外2个使用。 > > **返回值** 成功返回 true 失败返回 false 6. `bool scws_set_dict(resource scws_handle, string dict_path [, int mode])` `bool SimpleCWS::set_dict(string dict_path [, int mode])` 设定分词所用的词典并清除已存在的词典列表。 > **参数 dict_path** 词典的路径,可以是相对路径或完全路径。(遵循安全模式下的 open_basedir) > **参数 mode** 可选,表示加载的方式。参见 `scws_add_dict` > **返回值** 成功返回 true 失败返回 false 7. `bool scws_set_rule(resource scws_handle, string rule_path)` `bool SimpleCWS::set_rule(string rule_path)` 设定分词所用的新词识别规则集(用于人名、地名、数字时间年代等识别)。 > **参数 rule_path** 规则集的路径,可以是相对路径或完全路径。(遵循安全模式下的 open_basedir) > **参数 mode** 可选,表示加载的方式。参见 `scws_add_dict` > **返回值** 成功返回 true 失败返回 false 8. `bool scws_set_ignore(resource scws_handle, bool yes)` `bool SimpleCWS::set_ignore(bool yes)` 设定分词返回结果时是否去除一些特殊的标点符号之类。 > **参数 yes** 设定值,如果为 true 则结果中不返回标点符号,如果为 false 则会返回,缺省为 false。 > **返回值** 始终为 true 9. `bool scws_set_multi(resource scws_handle, int mode)` `bool SimpleCWS::set_multi(bool yes)` 设定分词返回结果时是否复式分割,如“中国人”返回“中国+人+中国人”三个词。 > **参数 mode** 复合分词法的级别,缺省不复合分词。取值由下面几个常量异或组合(也可用 1-15 来表示): > > - SCWS_MULTI_SHORT (1)短词 > - SCWS_MULTI_DUALITY (2)二元(将相邻的2个单字组合成一个词) > - SCWS_MULTI_ZMAIN (4)重要单字 > - SCWS_MULTI_ZALL (8)全部单字 > > **返回值** 始终为 true 10. `bool scws_set_duality(resource scws_handle, bool yes)` `bool SimpleCWS::set_duality(bool yes)` 设定是否将闲散文字自动以二字分词法聚合 > **参数 yes** 设定值,如果为 true 则结果中多个单字会自动按二分法聚分,如果为 false 则不处理,缺省为 false。 > **返回值** 始终为 true 11. `bool scws_send_text(resource scws_handle, string text)` `bool SimpleCWS::send_text(string text)` 发送设定分词所要切割的文本。 > **参数 text** 要切分的文本的内容。 > **返回值** 成功返回 true 失败返回 false > **注意** 系统底层处理方式为对该文本增加一个引用,故不论多长的文本并不会造成内存浪费; > 执行本函数时,若未加载任何词典和规则集,则会自动试图在 ini 指定的缺省目录下查找缺省字符集的词典和规则集。 12. `mixed scws_get_result(resource scws_handle)` `mixed SimpleCWS::get_result()` 根据 send_text 设定的文本内容,返回一系列切好的词汇。 > **返回值** 成功返回切好的词汇组成的数组,若无更多词汇,返回 false。返回的词汇包含的键值如下: > > - 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 > > **注意** 每次切词后本函数应该循环调用,直到返回 false 为止,因为程序每次返回的词数是不确定的。 13. `mixed scws_get_tops(resource scws_handle [, int limit [, string attr]])` `mixed SimpleCWS::get_tops([int limit [, string attr]])` 根据 send_text 设定的文本内容,返回系统计算出来的最关键词汇列表。 > **参数 limit** 可选参数,返回的词的最大数量,缺省是 10 > **参数 attr** 可选参数,是一系列词性组成的字符串,各词性之间以半角的逗号隔开, > 这表示返回的词性必须在列表中,如果以~开头,则表示取反,词性必须不在列表中,缺省为NULL,返回全部词性,不过滤。 > **返回值** 成功返回统计好的的词汇组成的数组,返回 false。返回的词汇包含的键值如下: > > - word _string_ 词本身 > - times _int_ 词在文本中出现的次数 > - weight _float_ 该词计算后的权重 > - attr _string_ 词性 14. `mixed scws_get_words(resource scws_handle, string attr)` `mixed SimpleCWS::get_words(string attr)` 根据 send_text 设定的文本内容,返回系统中词性符合要求的关键词汇。 > **参数 attr** 是一系列词性组成的字符串,各词性之间以半角的逗号隔开, > 这表示返回的词性必须在列表中,如果以~开头,则表示取反,词性必须不在列表中,若为空则返回全部词。 > **返回值** 成功返回符合要求词汇组成的数组,返回 false。返回的词汇包含的键值参见 `scws_get_result` 15. `bool scws_has_words(resource scws_handle, string attr)` `mixed SimpleCWS::has_words(string attr)` 根据 send_text 设定的文本内容,返回系统中是否包括符合词性要求的关键词。 > **参数 attr** 是一系列词性组成的字符串,各词性之间以半角的逗号隔开, > 这表示返回的词性必须在列表中,如果以~开头,则表示取反,词性必须不在列表中,若为空则返回全部词。 > **返回值** 如果有则返回 true,没有就返回 false。 16. `string scws_version(void)` `string SimpleCWS::version(void)` 返回 scws 版本号名称信息(字符串)。
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!