php 使用jieba分词

php版本结巴分词仓库 jieba分词

介绍

支持三種分詞模式：
1）默認精確模式，試圖將句子最精確地切開，適合文本分析；
2）全模式，把句子中所有的可以成詞的詞語都掃描出來，但是不能解決歧義。（需要充足的字典）
搜尋引擎模式，在精確模式的基礎上，對長詞再次切分，提高召回率，適合用於搜尋引擎分詞。
支持繁體斷詞
支持自定義詞典

使用

自動安裝：使用 composer 安裝後，透過 autoload 引用

composer require fukuball/jieba-php:dev-master

• 手動安裝：將 jieba-php 放置適當目錄後，透過 require_once 引用

require_once "/path/to/your/vendor/multi-array/MultiArray.php";
require_once "/path/to/your/vendor/multi-array/Factory/MultiArrayFactory.php";
require_once "/path/to/your/class/Jieba.php";
require_once "/path/to/your/class/Finalseg.php";

使用

use Fukuball\Jieba\Jieba;
use Fukuball\Jieba\Finalseg;


Jieba::init();
Finalseg::init();

$seg_list = Jieba::cut("怜香惜玉也得要看对象啊！");
var_dump($seg_list);

$seg_list = Jieba::cut("我来到北京清华大学", true);
var_dump($seg_list); #全模式

$seg_list = Jieba::cut("我来到北京清华大学", false);
var_dump($seg_list); #默認精確模式

$seg_list = Jieba::cut("他来到了网易杭研大厦");
var_dump($seg_list);

$seg_list = Jieba::cutForSearch("小明硕士毕业于中国科学院计算所，后在日本京都大学深造"); #搜索引擎模式
var_dump($seg_list);

功能

• 分词  

Jieba::cut("怜香惜玉也得要看对象啊！");

Jieba::cutForSearch("小明硕士毕业于中国科学院计算所，后在日本京都大学深造"); #搜索引擎模式

• 添加自定义词典

 Jieba::loadUserDict(file_name) # file_name 为自定义词典的绝对路径

• 关键字提取

JiebaAnalyse::extractTags($content, $top_k)
content 为待提取的文本
top_k 为返回几个 TF/IDF 权重最大的关键词，默认值 20
可使用 setStopWords 增加自定义 stop words

• 词性分词

Posseg::cut("这是一个伸手不见五指的黑夜。我叫孙悟空，我爱北京，我爱Python和C++。")

• 切换繁体字典

Jieba::init(array('mode'=>'default','dict'=>'big'));
Finalseg::init();

$seg_list = Jieba::cut("怜香惜玉也得要看对象啊！");

• 保留日文\韩文

Jieba::init(array('cjk'=>'all'));
Finalseg::init();

$seg_list = Jieba::cut("한국어 또는 조선말은 제주특별자치도를 제외한 한반도 및 그 부속 도서와 한민족 거주 지역에서 쓰이는 언어로");

• 返回词语在全文的位置

Jieba::init(array('mode'=>'test','dict'=>'big'));
Finalseg::init();

$seg_list = Jieba::tokenize("永和服装饰品有限公司");