php 无法加载scws,如何安装 php scws（分词组件）？

最新推荐文章于 2021-04-15 12:44:54 发布

精读君

最新推荐文章于 2021-04-15 12:44:54 发布

阅读量256

点赞数

文章标签： php 无法加载scws

centOs 环境下安装 scws1、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

Windows 环境下安装 scwsphp 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。

php 代码php 代码

$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

$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

$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)。

精读君

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
php 无法加载scws,如何安装 php scws（分词组件）？

centOs 环境下安装 scws1、安装 bzip2 及 gcc gcc-c++yum install bzip2yum -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.bz23、解压tar xvjf scws-1.2.3.tar.bz24、安装cd ...
复制链接

扫一扫