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  


<?php  

//使用类方法分词　  

$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();  

  

//使用函数提取高频词  

$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);  

?>  

  更多参考hightman论坛

Java代码  


<?php  

require("splitword.php");//包含分词类文件  

$SpWord =new SplitWord();//创建类对象  

$str="某某字符串";  

$words =$SpWord->SplitRMM($str);//调用类方法  

$SpWord = iconv( "gbk", "utf-8//ignore", $SpWord );  

$SplitWord->Clear( );