欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

PHPAnalysis中文分词类详解

程序员文章站 2023-11-21 11:22:46
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 $resulttyp...

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