PHP 中文分词包:phpSplit

jopen 8年前

phpSplit 是一个基于php开发的中文分词库。

居于Unicode编码词典的php分词器

  • 只适用于php5,必要函数 iconv

  • 本程序是使用RMM逆向匹配算法进行分词的,词库需要特别编译,本类里提供了 MakeDict() 方法

  • 简单操作流程: SetSource -> StartAnalysis -> GetResult

  • 对主词典使用特殊格式进行编码, 不需要载入词典到内存操作

使用

  • 首先 确保使用php为5.3+

  • 安装composer

composer install
require __DIR__ .'/vendor/autoload.php';  $split = new Split();  var_dump( $split->simple("您好 phpSplit"));  $this->assertTrue(True);
array(3) {    [0] =>    string(0) ""    [1] =>    string(6) "您好"    [2] =>    string(8) "phpSplit"  }

分词结果后缀说明

名词n、时间词t、处所词s、方位词f、数词m、量词q、区别词b、代词r、动词v、形容词a、状态词z、副词d、介词p、连词c、助词u、语气词y、叹词e、拟声词o、成语i、习用语l、简称j、前接成分h、后接成分k、语素g、非语素字x、标点符号w

同事增加了以下3类标记 *专有名词的分类标记,即人名nr,地名ns,团体机关单位名称nt,其他专有名词nz; *语素的子类标记,即名语素Ng,动语素Vg,形容语素Ag,时语素Tg,副语素Dg等; *动词和形容词的子类标记,即名动词vn(具有名词特性的动词),名形词an(具有名词特性的形容词),副动词vd(具有副词特性的动词),副形词ad(具有副词特性的形容词)

合计约40个左右。

项目主页:http://www.open-open.com/lib/view/home/1448200861473