phpSplitPHP 中文分词包
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。
欢迎大家完善
评论