PHPAnalysis是目前廣泛使用的中文分詞類，使用反向匹配模式分詞，因此兼容編碼更廣泛，現(xiàn)將其變量與常用函數(shù)詳解如下：

一、比較重要的成員變量

$resultType?? = 1??????? 生成的分詞結(jié)果數(shù)據(jù)類型(1 為全部， 2為 詞典詞匯及單個(gè)中日韓簡(jiǎn)繁字符及英文， 3 為詞典詞匯及英文)

這個(gè)變量一般用 SetResultType( $rstype ) 這方法進(jìn)行設(shè)置。

$notSplitLen? = 5??????? 切分句子最短長(zhǎng)度

$toLower????? = false??? 把英文單詞全部轉(zhuǎn)小寫

$differMax??? = false??? 使用最大切分模式對(duì)二元詞進(jìn)行消岐

$unitWord???? = true???? 嘗試合并單字(即是新詞識(shí)別)

$differFreq?? = false??? 使用熱門詞優(yōu)先模式進(jìn)行消岐

二、主要成員函數(shù)列表

1、public function __construct($source_charset='utf-8', $target_charset='utf-8', $load_all=true, $source='')

函數(shù)說明：構(gòu)造函數(shù)

參數(shù)列表：

$source_charset????? 源字符串編碼

$target_charset????? 目錄字符串編碼

$load_all??????????? 是否完全加載詞典(此參數(shù)已經(jīng)作廢)

$source????????????? 源字符串

如果輸入輸出都是utf-8，實(shí)際上可以不必使用任何參數(shù)進(jìn)行初始化，而是通過 SetSource 方法設(shè)置要操作的文本

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

函數(shù)說明：設(shè)置源字符串

參數(shù)列表：

$source????????????? 源字符串

$source_charset????? 源字符串編碼

$target_charset????? 目錄字符串編碼

返回值：bool

3、public function StartAnalysis($optimize=true)

函數(shù)說明：開始執(zhí)行分詞操作

參數(shù)列表：

$optimize??????????? 分詞后是否嘗試優(yōu)化結(jié)果

返回值：void

一個(gè)基本的分詞過程：

//

$pa = new PhpAnalysis();

$pa->SetSource('需要進(jìn)行分詞的字符串');

//設(shè)置分詞屬性

$pa->resultType = 2;

$pa->differMax? = true;

$pa->StartAnalysis();

//獲取你想要的結(jié)果

$pa->GetFinallyIndex();

4、public function SetResultType( $rstype )

函數(shù)說明：設(shè)置返回結(jié)果的類型

實(shí)際是對(duì)成員變量$resultType的操作

參數(shù) $rstype 值為：

1 為全部， 2為 詞典詞匯及單個(gè)中日韓簡(jiǎn)繁字符及英文， 3 為詞典詞匯及英文

返回值：void

5、public function GetFinallyKeywords( $num = 10 )

函數(shù)說明：獲取出現(xiàn)頻率最高的指定詞條數(shù)(通常用于提取文檔關(guān)鍵字)

參數(shù)列表：

$num = 10? 返回詞條個(gè)數(shù)

返回值：用","分隔的關(guān)鍵字列表

6、public function GetFinallyResult($spword=' ')

函數(shù)說明：獲得最終分詞結(jié)果

參數(shù)列表：

$spword??? 詞條之間的分隔符

返回值：string

7、public function GetSimpleResult()

函數(shù)說明：獲得粗分結(jié)果

返回值：array

8、public function GetSimpleResultAll()

函數(shù)說明：獲得包含屬性信息的粗分結(jié)果

屬性(1中文詞句、2 ANSI詞匯(包括全角)，3 ANSI標(biāo)點(diǎn)符號(hào)(包括全角)，4數(shù)字(包括全角)，5 中文標(biāo)點(diǎn)或無法識(shí)別字符)

返回值：array

9、public function GetFinallyIndex()

函數(shù)說明：獲取hash索引數(shù)組

返回值：array('word'=>count,...) 按出現(xiàn)頻率排序

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

函數(shù)說明：把文本文件詞庫編譯成詞典

參數(shù)列表：

$source_file?? 源文本文件

$target_file?? 目標(biāo)文件(如果不指定，則為當(dāng)前詞典)

返回值：void

11、public function ExportDict( $targetfile )

函數(shù)說明：導(dǎo)出當(dāng)前詞典全部詞條為文本文件

參數(shù)列表：

$targetfile? 目標(biāo)文件

返回值：void

總結(jié)

以上是生活随笔為你收集整理的php自定义中文分词方法,PHPAnalysis中文分词类详解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。