以前有用过dedecms分词功能,经过测试还是不理想,后来经过一些处理得到的结果还是可以接受的,今天我再看到这款分词法,拿出来给大家看看,实例代码如下:

1. <?php 
2. class NLP{  
3. private static $cmd_path;  
4. // 不以'/'结尾  
5. static function set_cmd_path($path){  
6. self::$cmd_path = $path;  
7. }  
8. private function cmd($str){  
9. $descriptorspec = array(  
10. 0 => array("pipe", "r"),  
11. 1 => array("pipe", "w"),  
12. );  
13. $cmd = self::$cmd_path . "/ictclas";  
14. $process = proc_open($cmd, $descriptorspec, $pipes);  
15. if (is_resource($process)) {  
16. $str = iconv('utf-8', 'gbk', $str);  
17. fwrite($pipes[0], $str);  
18. $output = stream_get_contents($pipes[1]);  
19. fclose($pipes[0]);  
20. fclose($pipes[1]);  
21. $return_value = proc_close($process);  
22. }  
23. /*  
24. $cmd = "printf '$input' | " . self::$cmd_path . "/ictclas";  
25. exec($cmd, $output, $ret);  
26. $output = join("n", $output);  
27. */  
28. $output = trim($output);  
29. $output = iconv('gbk', 'utf-8', $output);  
30. return $output;  
31. }  
32. /**  
33. * 进行分词, 返回词语列表.  
34. */  
35. function tokenize($str){  
36. $tokens = array();  
37. $output = self::cmd($input);  
38. if($output){  
39. $ps教程 = preg_split('/s+/', $output);  
40. foreach($ps as $p){  
41. list($seg, $tag) = explode('/', $p);  
42. $item = array(  
43. 'seg' => $seg,  
44. 'tag' => $tag,  
45. ); //开源代码vcphp.com 
46. $tokens[] = $item;  
47. }  
48. }  
49. return $tokens;  
50. }  
51. }  
52. NLP::set_cmd_path(dirname(__FILE__));  
53. ?> 

用起来很简单,确保 ICTCLAS 编译后的可执行文件和词典在当前目录,代码如下:

1. <?php  
2. require_once('NLP.php');  
3. var_dump(NLP::tokenize('Hello, World!'));  
4. ?> 

进行中文分词的 PHP 类就在下面了,用 proc_open() 函数来执行分词程序,并通过管道和其交互, 输入要进行分词的文本, 读取分词结果.