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