sphinx jieba自定义分词php,jieba中文分词(PHP版本)

1.特点

支持三种分词模式

精准模式，将句子按词语切分成几分

全模式，把句子中所有可以成词的词语扫描出来

搜索引擎模式，在精准模式基础上，对长词再次切分

支持繁体字

支持自定义词典

2.安装

composer require fukuball/jieba-php:dev-master

3.使用

1.分词

jieba.cut 方法接受两个参数，第一个为要分词的字符串 第二个为选用的分词模式

Jieba::cut("今天天气真好",true); #全模式

Jieba::cut("今天天气真好",false); #精准模式

Jieba::cutForSearch("今天天气真好",false); #搜索引擎模式

2.添加自定义词典

Jieba::loadUserDict(file_name) # file_name 自定义词典的路径

词典格式与自带词典保持一致，一个词占一行；每一行分为三部分，一部分为词语，一部分为词频(该词语出现的频率，频率设置的越大切分出来的概念越大)，一部分为词性，用空格隔开

3.关键词提取

说明：可以提取一个文本出现频率高的词语,返回的词按频率大小排序

方法： JiebaAnalyse::extractTags(content, top_k)

参数： content 为要提取的文本 top_k 为返回多少个权重最大的关键词，默认20

注意： 可使用 JiebaAnalyse::setStopWords 增加自定义要计算频率的值

4.词性分词(词性说明)

说明：按词性进行分词，并返回词语和词性

方法：Posseg::cut("欢迎来到北京大学")

输出：

5.切换成繁体字典

只需要在Jieba初始化时传dict=big,其余用法相同(其实就是切换了一下词典)

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

6.返回词语在原文的起止位置

方法：Jieba::tokenize("欢迎来到北京大学")

输出：

说明文档链接：https://packagist.org/packages/fukuball/jieba-php