php—jieba 不安装扩展方式使用

参考地址：

GitHub - fukuball/jieba-php: "結巴"中文分詞：做最好的 PHP 中文分詞、中文斷詞組件。 / "Jieba" (Chinese for "to stutter") Chinese text segmentation: built to be the best PHP Chinese word segmentation module.

自动安装：

composer require fukuball/jieba-php:dev-master

require_once "/path/to/your/vendor/autoload.php";

引用示例：

<?php

ini_set('memory_limit', '1024M');

require_once "./vendor/autoload.php";

use Fukuball\Jieba\Jieba;
use Fukuball\Jieba\Finalseg;
Jieba::init();
Finalseg::init();

手动安装：

将 jieba-php 放置在适当的目录后， 通过 require_once 引用

1、克隆 jieba-php

        git clone https://github.com/fukuball/jieba-php.git

2、将 jieba-php 文件夹 放到项目合适的目录‘

3、引用相关文件

引用示例

<?php

ini_set('memory_limit', '1024M');

require_once "./jieba-php/src/vendor/multi-array/MultiArray.php";
require_once "./jieba-php/src/vendor/multi-array/Factory/MultiArrayFactory.php";
require_once "./jieba-php/src/class/Jieba.php";
require_once "./jieba-php/src/class/Finalseg.php";

use Fukuball\Jieba\Jieba;
use Fukuball\Jieba\Finalseg;

Jieba::init();
Finalseg::init();

相关功能

功能一：分词

cut 方法接收两个参数

        参数一：（string）需要分词的字符串

        参数二：cut_all（bool） 用来控制分词模式， 默认：false

cutForSearch 方法接收一个参数

        参数一： 代分词字符串，

        该方法适用于搜索引擎构建倒排索引的分词，粒度比较细

注意：待分词字符串为 utf-8格式

代码示例：

$content = '一个人也要过的很好呀！';

$seg_list = Jieba::cut($content);
var_dump($seg_list);
#全模式
$seg_list = Jieba::cut($content, true);
var_dump($seg_list);
#精确模式 —— 默认
$seg_list = Jieba::cut($content, false);
var_dump($seg_list);

#搜索引擎模式
$seg_list = Jieba::cutForSearch($content);
var_dump($seg_list);

功能二：添加自定义词典

开发者可以指定自己定义的词典，以便包含jieba词库里没有的词，虽然jieba有新词识别功能，但是自行添加的新词可以保证更高的正确率

用法： Jieba::loadUserDict($file_name)  // $file_name 为自定义词典路径

词典的格式和 dict.txt一样，一个词占一行，每一行分为3个部分，即： 词语 词频 词性 使用空格分隔

代码示例

$content = '一个人也要过的很好呀！';
// 加载自定义词典
Jieba::loadUserDict("./dic/custom.txt");

// 执行分词
$seg_list = Jieba::cut($content);
var_dump($seg_list);

功能三：关键词提取

用法： JiebaAnalyse::extractTags($content, $top_k)

        content 为待提取的文本

        top_k 为返回几个 TF/IDF 权重最大的关键词， 默认值为 20

代码示例：

<?php

ini_set('memory_limit', '1024M');

require_once "./vendor/autoload.php";

use Fukuball\Jieba\Jieba;
use Fukuball\Jieba\Finalseg;
use Fukuball\Jieba\JiebaAnalyse;

Jieba::init(array('mode'=>'test','dict'=>'small'));
Finalseg::init();
JiebaAnalyse::init();


$content = '中华人民共和国万岁！';
$result = JiebaAnalyse::extractTags($content, 10);
var_dump($result);

功能四：词性分词

代码示例：

<?php

ini_set('memory_limit', '1024M');

require_once "./vendor/autoload.php";

use Fukuball\Jieba\Jieba;
use Fukuball\Jieba\Finalseg;
use Fukuball\Jieba\Posseg;

Jieba::init();
Finalseg::init();
Posseg::init();


$content = '中华人民共和国万岁！';
$result = Posseg::cut($content, 20);
var_dump($result);

功能五：切换成繁体字典

代码示例：

<?php

ini_set('memory_limit', '1024M');

require_once "./vendor/autoload.php";

use Fukuball\Jieba\Jieba;
use Fukuball\Jieba\Finalseg;

Jieba::init(array('mode'=>'default','dict'=>'big'));
Finalseg::init();

$content = '中华人民共和国万岁！';
$seg_list = Jieba::cut($content);
var_dump($seg_list);


$content = '中華人民共和國萬歲！';
$seg_list = Jieba::cut($content);
var_dump($seg_list);

功能六：保留日语或者朝鲜语原文不进行过滤

代码示例：

<?php

ini_set('memory_limit', '1024M');

require_once "./vendor/autoload.php";

use Fukuball\Jieba\Jieba;
use Fukuball\Jieba\Finalseg;

Jieba::init(array('cjk'=>'all'));
Finalseg::init();

$content = '한국어 또는 조선말은 제주특별자치도를 제외한 한반도 및 그 부속 도서와 한민족 거주 지역에서 쓰이는 언어로';
$seg_list = Jieba::cut($content);
var_dump($seg_list);


$content = '日本語は、主に日本国内や日本人同士の間で使われている言語である。';
$seg_list = Jieba::cut($content);
var_dump($seg_list);

// 加载日语词库可以对日语进行简单的分词
Jieba::loadUserDict("/path/to/your/japanese/dict.txt");
$seg_list = Jieba::cut($content);
var_dump($seg_list);

功能七：返回词语在原文的起止位置

代码实例：

<?php

ini_set('memory_limit', '1024M');

require_once "./vendor/autoload.php";

use Fukuball\Jieba\Jieba;
use Fukuball\Jieba\Finalseg;

Jieba::init(array('mode'=>'test','dict'=>'big'));
Finalseg::init();

$content = '中华人民共和国万岁！';
$seg_list = Jieba::tokenize($content);
var_dump($seg_list);