scws中文分词组件

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。

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.ftphp.com/scws/down/scws-dict-chs-gbk.tar.bz2
http://www.ftphp.com/scws/down/scws-dict-chs-utf8.tar.bz2
http://www.ftphp.com/scws/down/scws-dict-cht-utf8.tar.bz2

4. 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。

Java代码

1. <?php
2. //使用类方法分词　
3. $so=scws_new();
4. 　　
5. $so->set_charset('gbk');
6. //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
7. $so->send_text("我是一个中国人,我会C++语言,我也有很多T恤衣服");
8. while($tmp=$so->get_result()){
9. print_r($tmp);
10. }
11. $so->close();
13. //使用函数提取高频词
14. $sh=scws_open();
15. 　
16. scws_set_charset($sh,'gbk');
17. scws_set_dict($sh,'/path/to/dict.xdb');
18. scws_set_rule($sh,'/path/to/rules.ini');
19. $text="我是一个中国人，我会C++语言，我也有很多T恤衣服";
20. scws_send_text($sh,$text);
21. $top=scws_get_tops($sh,5);
22. print_r($top);
23. ?>

更多参考hightman论坛

Java代码

1. <?php
2. require("splitword.php");//包含分词类文件
3. $SpWord=newSplitWord();//创建类对象
4. $str="某某字符串";
5. $words=$SpWord->SplitRMM($str);//调用类方法
6. $SpWord=iconv("gbk","utf-8//ignore",$SpWord);
7. $SplitWord->Clear();