phpanalysis中文分词类详解 下载本文

phpanalysis是目前广泛使用的中文分词类,使用反向匹配模式分词,因此兼容编码更广泛,现将其变量与常用函数详解如下: 一、比较重要的成员变量

$resulttype   = 1        生成的分词结果数据类型(1 为全部, 2为 词典词汇及单个中日韩简繁字符及英文, 3 为词典词汇及英文)

                                    这个变量一般用 setresulttype( $rstype ) 这方法进行设置。

$notsplitlen  = 5        切分句子最短长度

$tolower      = false    把英文单词全部转小写

$differmax    = false    使用最大切分模式对二元词进行消岐

$unitword     = true     尝试合并单字(即是新词识别)

$differfreq   = false    使用热门词优先模式进行消岐 二、主要成员函数列表 1、public function __construct($source_charset='utf-8', $target_charset='utf-8', $load_all=true, $source='') 

函数说明:构造函数 参数列表:

$source_charset      源字符串编码 $target_charset      目录字符串编码

$load_all            是否完全加载词典(此参数已经作废)

$source              源字符串

如果输入输出都是utf-8,实际上可以不必使用任何参数进行初始化,而是通过 setsource 方法设置要操作的文本

2、public function setsource( $source, $source_charset='utf-8', $target_charset='utf-8' ) 函数说明:设置源字符串 参数列表:

$source              源字符串

$source_charset      源字符串编码 $target_charset      目录字符串编码

返回值:bool

3、public function startanalysis($optimize=true) 函数说明:开始执行分词操作 参数列表:

$optimize            分词后是否尝试优化结果 返回值:void

一个基本的分词过程: ////////////////////////////////////// $pa = new phpanalysis();

$pa->setsource('需要进行分词的字符串'); //设置分词属性

$pa->resulttype = 2;

$pa->differmax  = true; $pa->startanalysis(); //获取你想要的结果

$pa->getfinallyindex(); ////////////////////////////////////////

4、public function setresulttype( $rstype ) 函数说明:设置返回结果的类型 实际是对成员变量$resulttype的操作 参数 $rstype 值为:

1 为全部, 2为 词典词汇及单个中日韩简繁字符及英文, 3 为词典词汇及英文 返回值:void

5、public function getfinallykeywords( $num = 10 )

函数说明:获取出现频率最高的指定词条数(通常用于提取文档关键字) 参数列表:

$num = 10  返回词条个数 返回值:用,分隔的关键字列表

6、public function getfinallyresult($spword=' ') 函数说明:获得最终分词结果 参数列表:

$spword    词条之间的分隔符 返回值:string

7、public function getsimpleresult() 函数说明:获得粗分结果 返回值:array

8、public function getsimpleresultall()

函数说明:获得包含属性信息的粗分结果 属性(1中文词句、2 ansi词汇(包括全角),3 ansi标点符号(包括全角),4数字(包括全角),5 中文标点或无法识别字符) 返回值:array

9、public function getfinallyindex() 函数说明:获取hash索引数组

返回值:array('word'=>count,...) 按出现频率排序 10、public function makedict( $source_file, $target_file='' ) 函数说明:把文本文件词库编译成词典 参数列表:

$source_file   源文本文件

$target_file   目标文件(如果不指定,则为当前词典) 返回值:void

11、public function exportdict( $targetfile )

函数说明:导出当前词典全部词条为文本文件 参数列表:

$targetfile  目标文件 返回值:void

更多信息请查看IT技术专栏