坚持开源,坚持分享
这篇文章旨在介绍我用过的两个PHP分词库以及他们的简单使用
- 目的:完成一段段落的分词
Jieba分词库,GitHub地址
安装:
composer require fukuball/jieba-php:dev-master
主要代码:
//这边要给内存,不然会炸
ini_set('memory_limit', '1024M');
//初始化
$this->jieba = new Jieba();
$this->finalseg = new Finalseg();
$this->jieba->init();
$this->finalseg->init();
//使用
$cut_array = $this->jieba->cut('分词字符串',false);
//分词后的结果是数组
notice:
- Jieba分词库可以添加关键字,就是自定义词汇来作分词,有额外需求的可以看GitHub
- 词汇的词性是在'src/dict/pos_tag_readable.txt'
1.下载安装:
2.准备:
3.编码测试
简要实现代码(附录有完整代码)
//初始化 并设置utf8,设置词典路径和规则路径
$this->pscws = new PSCWS4('utf8');
$this->pscws->set_charset('utf-8');
$this->pscws->set_dict(public_path().'/dict.utf8.xdb');
$this->pscws->set_rule(public_path().'/rules.ini');
//使用:
$this->pscws->send_text("分词的字符串。。。");
while ($some = $this->pscws->get_result())
{
foreach ($some as $word)
{
$article[] = $word['word'];
}
}
4.效果图
jieba效果图:
[](https://raw.githubusercontent.com/bestcyt/image/master/fenci/jieba_1.png)
[
](https://raw.githubusercontent.com/bestcyt/image/master/fenci/jieba_1.png)
pscws4效果图
[
](https://raw.githubusercontent.com/bestcyt/image/master/fenci/pscws4_1.png)
以上可以看出,jieba对于一些英文标点符号没有很好的切割,例如 42的country;而scws对于每个标点符号都作了切割;对于我的需求来说,scws是比较适合我的,如何选择看个人需求。
jieba
scws:
路由:web.php
Route::get('/scws', 'WordCutController@scwsCut');
Route::get('/jieba', 'WordCutController@jieBaCut');
控制器:WordCutController
<?php
namespace App\Http\Controllers;
use App\Help\scws\PSCWS4;
use Fukuball\Jieba\Finalseg;
use Fukuball\Jieba\Jieba;
use Illuminate\Http\Request;
class WordCutController extends Controller
{
public $pscws;
public $jieba;
public $finalseg;
/*
* pscws4分词 实例
*/
public function scwsCut(){
$this->pscws = new PSCWS4('utf8');
$this->pscws->set_charset('utf-8');
$this->pscws->set_dict(public_path().'/dict.utf8.xdb');
$this->pscws->set_rule(public_path().'/rules.ini');
//使用:
$this->pscws->send_text("Dragon Boat Festival is one the very classic traditional festivals, which has been celebrated since the old China. Firstly, it is to in honor of the great poet Qu Yuan, who jumped into the water and ended his life for loving the country. Nowadays, different places have different ways to celebrate.
端午节是一个非常经典的传统节日,自古以来就一直被人们所庆祝。首先,是为了纪念伟大的诗人屈原,屈原跳入水自杀,以此来表达了对这个国家的爱。如今,不同的地方有不同的庆祝方式。");
while ($some = $this->pscws->get_result())
{
foreach ($some as $word)
{
$article[] = $word['word'];
}
}
dd($article);
}
/*
* jieba分词 实例
*/
public function jieBaCut(){
ini_set('memory_limit', '1024M');
//初始化
$this->jieba = new Jieba();
$this->finalseg = new Finalseg();
$this->jieba->init();
$this->finalseg->init();
//使用
$cut_array = $this->jieba->cut('Dragon Boat Festival is one the very classic traditional festivals, which has been celebrated since the old China. Firstly, it is to in honor of the great poet Qu Yuan, who jumped into the water and ended his life for loving the country. Nowadays, different places have different ways to celebrate.
端午节是一个非常经典的传统节日,自古以来就一直被人们所庆祝。首先,是为了纪念伟大的诗人屈原,屈原跳入水自杀,以此来表达了对这个国家的爱。如今,不同的地方有不同的庆祝方式。',false);
dd($cut_array);
}
}
如果有不对或不足的,请大佬们指出来,毕竟我只是满足需求,并没有深入研究,谢谢各位大佬哦
Original url: Access
Created at: 2018-10-10 15:04:10
Category: default
Tags: none
未标明原创文章均为采集,版权归作者所有,转载无需和我联系,请注明原出处,南摩阿彌陀佛,知识,不只知道,要得到
java windows火焰图_mob64ca12ec8020的技术博客_51CTO博客 - 在windows下不可行,不知道作者是怎样搞的 监听SpringBoot 服务启动成功事件并打印信息_监听springboot启动完毕-CSDN博客 SpringBoot中就绪探针和存活探针_management.endpoint.health.probes.enabled-CSDN博客 u2u转换板 - 嘉立创EDA开源硬件平台 Spring Boot 项目的轻量级 HTTP 客户端 retrofit 框架,快来试试它!_Java精选-CSDN博客 手把手教你打造一套最牛的知识笔记管理系统! - 知乎 - 想法有重合-理论可参考 安宇雨 闲鱼 机械键盘 客制化 开贴记录 文本 linux 使用find命令查找包含某字符串的文件_beijihukk的博客-CSDN博客_find 查找字符串 ---- mac 也适用 安宇雨 打字音 记录集合 B站 bilibili 自行搭建 开坑 真正的客制化 安宇雨 黑苹果开坑 查找工具包maven pom 引用地 工具网站 Dantelis 介绍的玩轴入坑攻略 --- 关于轴的一些说法 --- 非官方 ---- 心得而已 --- 长期开坑更新 [本人问题][新开坑位]关于自动化测试的工具与平台应用 机械键盘 开团 网站记录 -- 能做一个收集的程序就好了 不过现在没时间 -- 信息大多是在群里发的 - 你要让垃圾佬 都去一个地方看难度也是很大的 精神支柱 [超级前台]sprinbboot maven superdesk-app 记录 [信息有用] [环境准备] [基本完成] [sebp/elk] 给已创建的Docker容器增加新的端口映射 - qq_30599553的博客 - CSDN博客 [正在研究] Elasticsearch, Logstash, Kibana (ELK) Docker image documentation elasticsearch centos 安装记录 及 启动手记 正式服务器 39 elasticsearch 问题合集 不断更新 6.1.1 | 6.5.1 两个版本 博客程序 - 测试 - bug记录 等等问题 laravel的启动过程解析 - lpfuture - 博客园 OAuth2 Server PHP 用 Laravel 搭建带 OAuth2 验证的 RESTful 服务 | Laravel China 社区 - 高品质的 Laravel 和 PHP 开发者社区 利用Laravel 搭建oauth2 API接口 附 Unauthenticated 解决办法 - 煮茶的博客 - SegmentFault 思否 使用 OAuth2-Server-php 搭建 OAuth2 Server - 午时的海 - 博客园 基于PHP构建OAuth 2.0 服务端 认证平台 - Endv - 博客园 Laravel 的 Artisan 命令行工具 Laravel 的文件系统和云存储功能集成 浅谈Chromium中的设计模式--终--Observer模式 浅谈Chromium中的设计模式--二--pre/post和Delegate模式 浅谈Chromium中的设计模式--一--Chromium中模块分层和进程模型 DeepMind 4 Hacking Yourself README.md update 20211011
Laravel China 简书 知乎 博客园 CSDN博客 开源中国 Go Further Ryan是菜鸟 | LNMP技术栈笔记 云栖社区-阿里云 Netflix技术博客 Techie Delight Linkedin技术博客 Dropbox技术博客 Facebook技术博客 淘宝中间件团队 美团技术博客 360技术博客 古巷博客 - 一个专注于分享的不正常博客 软件测试知识传播 - 测试窝 有赞技术团队 阮一峰 语雀 静觅丨崔庆才的个人博客 软件测试从业者综合能力提升 - isTester IBM Java 开发 使用开放 Java 生态系统开发现代应用程序 pengdai 一个强大的博主 HTML5资源教程 | 分享HTML5开发资源和开发教程 蘑菇博客 - 专注于技术分享的博客平台 个人博客-leapMie 流星007 CSDN博客 - 舍其小伙伴 稀土掘金 Go 技术论坛 | Golang / Go 语言中国知识社区
最新评论