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  >  php教程

PHP中文分词 - jerrylsxu

程序员文章站 2022-04-29 16:50:24
...
最常见的词语二分法:
$str = '这是我的网站www.7di.net!';
//$str = iconv('GB2312','UTF-8',$str);
$result = spStr($str);
print_r($result);
/**
* UTF-8版 中文二元分词
*/
function spStr($str)
{
$cstr = array();
$search = array(",", "/", "\\", ".", ";", ":", "\"", "!", "~", "`", "^", "(", ")", "?", "-", "\t", "\n", "'", ", ">", "\r", "\r\n", "{1}quot;", "&", "%", "#", "@", "+", "=", "{", "}", "[", "]", ":", ")", "(", ".", "。", ",", "!", ";", "“", "”", "‘", "’", "[", "]", "、", "—", " ", "《", "》", "-", "…", "【", "】",);
$str = str_replace($search, " ", $str);
preg_match_all("/[a-zA-Z]+/", $str, $estr);
preg_match_all("/[0-9]+/", $str, $nstr);
$str = preg_replace("/[0-9a-zA-Z]+/", " ", $str);
$str = preg_replace("/\s{2,}/", " ", $str);
$str = explode(" ", trim($str));
foreach ($str as $s) {
$l = strlen($s);
$bf = null;
for ($i= 0; $i$l; $i=$i+3) {
$ns1 = $s{$i}.$s{$i+1}.$s{$i+2};
if (isset($s{$i+3})) {
$ns2 = $s{$i+3}.$s{$i+4}.$s{$i+5};
if (preg_match("/[\x80-\xff]{3}/",$ns2)) $cstr[] = $ns1.$ns2;
} else if ($i == 0) {
$cstr[] = $ns1;
}
}
}
$estr = isset($estr[0])?$estr[0]:array();
$nstr = isset($nstr[0])?$nstr[0]:array();
return array_merge($nstr,$estr,$cstr);
}

執行結果是:

Array ( [0] => 7 [1] => www [2] => di [3] => net [4] => 这是 [5] => 是我 [6] => 我的 [7] => 的网 [8] => 网站 )

接下来,将以上结果转换为区位码,PHP代码是:

foreach ($result as $s) {
$s = iconv('UTF-8','GB2312',$s);
$code[] = gbCode($s);
}
$code = implode(" ", $code);
echo $code;
function gbCode($str) {
$return = null;
if (!preg_match("/^[\x80-\xff]{2,}$/",$str)) return $str;
$len = strlen($str);
for ($i= 0; $i$len; $i=$i+2) {
$return .= sprintf("%02d%02d",ord($str{$i})-160,ord($str{$i+1})-160);
}
return $return;
}