SCWS 中文分词

最新推荐文章于 2024-05-09 09:48:04 发布

蜗牛慢慢向上爬

最新推荐文章于 2024-05-09 09:48:04 发布

阅读量1.6k

点赞数

分类专栏：插件式开发

插件式开发专栏收录该内容

4 篇文章 0 订阅

订阅专栏

第一步：准备好Pscws4资料

下载 XDB 词典文件【简体中文（UTF-8）】
下载PSCWS4【pscws4-20081221.tar.bz2】
下载规则集文件【rules.tgz】

第二步：将下载的文件解压，其中的 dict.utf8.xdb 和规则集文件按照下图放置

第三步：将解压出来的PSCWS4类Pscws4.class.php 和 xdb_r.class.php 放到 ThinkPHP/Library/Vendor/Pscws下

第四步：在控制器里面实力类。

function get_tags($title,$num){
	import("Vendor.Pscws.Pscws4");
	$pscws = new \PSCWS4('utf8');
	$pscws->set_dict(CONF_PATH . 'etc/dict.utf8.xdb');
	$pscws->set_rule(CONF_PATH . 'etc/rules.utf8.ini');
	$pscws->set_ignore(true);
	$pscws->send_text($title);
	$words = $pscws->get_tops($num);
	$pscws->close();

	$tags = array();
	foreach ($words as $val) {
		$tags[] = $val['word'];
	}
	
	return implode(',', $tags);
}

本来到这个时候就应该做好了，实现我们需要的分词功能了，但是却出现乱码了。这个问题折腾我们技术很长时间，怎么调试都不对，什么文件的读取权限之类的，全部都试一遍都不行。最后只好看源码。最终发现问题
在PSCWS4的构造函数中。

将构造函数修改为： function __construct($charset = 'gbk') { $this->PSCWS4($charset); }

ThinkPHP整合PSCWS4到此完满结束。

http://www.sxqswl.net/show-22-107-1.html