php 利用scws实现mysql全文搜索功能

scws这样的中文分词插件比较不错，简单的学习了一下。它包涵一些专有名称、人名、地名、数字年代等规则集合，可以直接将语句按这些规则分开成一个一个关键词，准确率在90%-95%之间。按照安装说明把scws的扩展放入php的扩展目录里，下载规则文件和词典文件，并在php配置文件中引用它们，就可以用scws进行分词了。

1) 修改 php 扩展代码以兼容支持 php 5.4.x 
 2) 修正 php 扩展中 scws_get_tops 的 limit 参数不允许少于 10 的问题 
3) libscws 增加 scws_fork() 从既有的 scws 实例产生分支并共享词典/规则集，主要用于多线程开发。 
4) 新增部分版本的 win32 的 dll 扩展。  
<?php
 //实例化分词插件核心类
$so = scws_new();
 //设置分词时所用编码
$so->set_charset(‘utf-8’);
 //设置分词所用词典(此处使用utf8的词典)
 $so->set_dict('/path/dict.utf8.xdb');
 //设置分词所用规则
$so->set_rule('/path/rules.utf8.ini ');
 //分词前去掉标点符号
$so->set_ignore(true);
 //是否复式分割，如“中国人”返回“中国＋人＋中国人”三个词。
$so->set_multi(true);
 //设定将文字自动以二字分词法聚合
$so->set_duality(true);
 //要进行分词的语句
$so->send_text(“欢迎来到火星时代IT开发”);
 //获取分词结果，如果提取高频词用get_tops方法
while ($tmp = $so->get_result())
 {
   print_r($tmp);
 }
 $so->close();
 ?>    

 

注：如以上例子，输入的文字，词典，规则文件这三者的字符集必须统一；另外mysql 4.XX有的是不支持中文全文搜索的，可以存入关键字对应的区位码以方便全文搜索。

版本列表

版本                              类型                 平台                          性能                                    其它 
SCWS-1.1.x                   C 代码               *Unix*/*PHP*            准确: 95%, 召回: 91%,         速度: 1.2MB/sec 
                                                                                                                                      PHP扩展分词速度: 250KB/sec
php_scws.dll(1)             PHP扩展库          indows/PHP 4.4.x       准确: 95%, 召回: 91%, 
 php_scws.dll(2)            PHP扩展库          Windows/PHP 5.2.x    准确: 95%, 召回: 91%, 
 php_scws.dll(3)            PHP扩展库          Windows/PHP 5.3.x    准确: 95%, 召回: 91%,  
 php_scws.dll(4)            PHP扩展库          Windows/PHP 5.4.x    准确: 95%, 召回: 91%, 
 PSCWS23 PHP             源代码                 不限 (不支持UTF-8)    准确: 93%, 召回: 89%, 
 PSCWS4 PHP               源代码                 不限                         准确: 95%, 召回: 91%,

更多详细内容请查看：http://www.111cn.net/phper/php-database/44996.htm