1、装置 bzip2 及 gcc gcc-c++ yum install bzip2 yum -y install gcc gcc-c++ 2、下载 scws-1.2.3 的代码 wget http://www.xunsearch.com/scws/down/scws-1.2.3.tar.bz2 3、解压 tar xvjf scws-1.2.3.tar.bz2 4、装置 cd scws-1.2.3 ./configure --prefix=/usr/local/scws make ; make install 顺遂的话已编译并装置胜利到 /usr/local/scws 中了，实行下面敕令看看文件是不是存在 ls -al /usr/local/scws/lib/libscws.la 5、用 wget 下载并解压辞书，或从主页下载然后自行解压再将 *.xdb 放入 /usr/local/scws/etc 目次中 cd /usr/local/scws/etc wget http://www.xunsearch.com/scws/down/scws-dict-chs-gbk.tar.bz2 wget http://www.xunsearch.com/scws/down/scws-dict-chs-utf8.tar.bz2 tar xvjf scws-dict-chs-gbk.tar.bz2 tar xvjf scws-dict-chs-utf8.tar.bz2 6、php扩大 假如您须要在 php 中挪用分词，发起继承浏览本文装置 php 扩大，不然可跳过不看。 假定您已将 scws 按上述步骤装置到 /usr/local/scws 中。 装置此扩大请求您的 php 和体系环境装置了响应的 autoconf automake 东西及 phpize 。 1) 进入源码目次的 phpext/ 目次 cd /var/scws-1.2.3/phpext 2) 实行 phpize （在PHP装置目次的bin/目次下）[没有装置phpize 运用 yum install php-devel 装置] 3) 实行 ./configure --with-scws=/usr/local/scws 4) 若 php 装置在特别目次 $php_prefix, 则请在 configure 后加上 --with-php-config=$php_prefix/bin/php-config 5) 在 php.ini [/etc/php.ini] 中到场以下几行 [scws] extension = scws.so scws.default.charset = utf8 scws.default.fpath = /usr/local/scws/etc
Windows 环境下装置 scws
php 扩大下载地点
1. 依据您当前用的 PHP 版本，下载响应已编译好的 php_scws.dll 扩大库。
现在支撑 PHP-4.4.x 和 PHP-5.2.x 系列，下载地点分别为：
php-4.4.x: http://www.xunsearch.com/scws/down/php-4.4.x/php_scws.dll
php-5.2.x: http://www.xunsearch.com/scws/down/php-5.2.x/php_scws.dll
php-5.3.x: http://www.xunsearch.com/scws/down/php-5.3.x/php_scws.dll
2. 将下载后的 php_scws.dll 放到 php 装置目次的
extensions/ 目次中去（一般为：X:/php/extensions/或 X:/php/ext/）。
3. 竖立一个当地目次放划定规矩集文件和辞书文件，发起运用：C:/program files/scws/etc
4. 从 scws 主页上下载辞书文件，解压后将 *.xdb 放到上述目次中
辞书系列：http://www.xunsearch.com/scws/down/scws-dict-chs-gbk.tar.bz2
http://www.xunsearch.com/scws/down/scws-dict-chs-utf8.tar.bz2
http://www.xunsearch.com/scws/down/scws-dict-cht-utf8.tar.bz2
5. 从 scws 主页上下载划定规矩集文件，解压后将 *.ini 放到第 3 步竖立的目次
划定规矩集文件压缩包：http://www.xunsearch.com/scws/down/rules.tgz
解压后有三个文件分别为 rules.ini rules.utf8.ini rules_cht.utf8.ini
将三件文件拷到第 3 步所述的目次中
6. 修正 php.ini 一般位于 C:/windows/php.ini 或 C:/winnt/php.ini 之类的目次，
在 php.ini 的末端到场以下几行：
[scws]
;
; 注重请搜检 php.ini 中的 extension_dir 的设定值是不是准确, 不然请将 extension_dir 设为空，
; 再把 php_scws.dll 指定为绝对途径。
;
extension = php_scws.dll
scws.default.charset = gbk
scws.default.fpath = "c:/program files/scws/etc"
5. 重开 web 服务器即可完成。
php 代码
php 代码
<?php
$so = scws_new();
//$so->set_charset('utf-8');
// 这里没有挪用 set_dict 和 set_rule 体系会自动试挪用 ini 中指定途径下的辞书和划定规矩文件
$so->send_text("我是一个中国人,我会C++言语,我也有许多T恤衣服 name is hai");
while ($tmp = $so->get_result())
{
print_r($tmp);
}
$so->close();
?>
预定义常量
-----------
* `SCWS_XDICT_XDB` 辞书文件为 XDB
* `SCWS_XDICT_MEM` 将辞书悉数加载到内存里
* `SCWS_XDICT_TXT` 辞书文件为 TXT（纯文本）
* `SCWS_MULTI_NONE` 不举行复合分词
* `SCWS_MULTI_SHORT` 短词复合
* `SCWS_MULTI_DUALITY` 散字二元复合
* `SCWS_MULTI_ZMAIN` 主要单字
* `SCWS_MULTI_ZALL` 悉数单字
预定义类
---------
这是一个相似 `Directory` 的内置式伪类操纵，类要领竖立请运用 `scws_new()` 函数，而不能直接用 `new SimpleCWS`。
不然不会包含有 handle 指针，将没法准确操纵。它包含的要领有：
```php
class SimpleCWS {
resource handle;
bool close(void);
bool set_charset(string charset)
bool add_dict(string dict_path[, int mode = SCWS_XDICT_XDB])
bool set_dict(string dict_path[, int mode = SCWS_XDICT_XDB])
bool set_rule(string rule_path)
bool set_ignore(bool yes)
bool set_multi(int mode)
bool set_duality(bool yes)
bool send_text(string text)
mixed get_result(void)
mixed get_tops([int limit [, string xattr]])
bool has_word(string xattr)
mixed get_words(string xattr)
string version(void)
};
```
> **注重** 类要领的用与支 scws_xxx_xxx 系列函数用法一致，只不过免除第一参数，
> 故不别的编写申明，请拜见函数列表即可。
**例子1** 运用类要领分词
```php
<?php
$so = scws_new();
$so->set_charset('gbk');
// 这里没有挪用 set_dict 和 set_rule 体系会自动试挪用 ini 中指定途径下的辞书和划定规矩文件
$so->send_text("我是一个中国人,我会C++言语,我也有许多T恤衣服");
while ($tmp = $so->get_result())
{
print_r($tmp);
}
$so->close();
?>
```
**例子2** 运用函数提取高频词
```php
<?php
$sh = scws_open();
scws_set_charset($sh, 'gbk');
scws_set_dict($sh, '/path/to/dict.xdb');
scws_set_rule($sh, '/path/to/rules.ini');
$text = "我是一个中国人，我会C++言语，我也有许多T恤衣服";
scws_send_text($sh, $text);
$top = scws_get_tops($sh, 5);
print_r($top);
?>
```
> **注重** 为方便运用，当 `SimpleCWS::send_text` 要领或 `scws_send_text()` 函数被挪用前而且没有
> 加载任何辞书和划定规矩集时，体系会自动在 `scws.default.fpath` (ini设置)目次中查找响应的字符集辞书。
> 辞书和划定规矩文件的定名体式格局为 dict[.字符集].xdb 和 rules[.字符集].ini ，当字符集是 gbk 时中括号内里的
> 部份则不须要，直接运用 dict.xdb 和 rules.ini 而不是 dict.gbk.xdb 。
>
> 另外，输入的笔墨，辞书、划定规矩文件这三者的字符集必需一致，假如不是默许的 gbk 字符集请挪用
> `SimpleCWS::set_charset` 或 `scws_set_charset` 来设定，不然能够涌现意外毛病。
函数详解
--------
1. `mixed scws_new(void)` 建立并返回一个 `SimpleCWS` 类操纵对象。
> **返回值** 胜利返回类操纵句柄，失利返回 false。
2. `mixed scws_open(void)` 建立并返回一个分词操纵句柄。
> **返回值** 胜利返回 scws 操纵句柄，失利返回 false。
3. `bool scws_close(resource scws_handle)`
`SimpleCWS::close(void)` 封闭一个已翻开的 scws 分词操纵句柄。
> **参数 scws_handle** 即之前由 scws_open 翻开的返回值。
> **返回值** 一直为 true
> **注重** 背面的 API 中省去引见 scws_handle 参数，寄义和本函数雷同。
4. `bool scws_set_charset(resource scws_handle, string charset)`
`bool SimpleCWS::set_charset(string charset)` 设定分词辞书、划定规矩集、欲分文本字符串的字符集。
> **参数 charset** 要新设定的字符集，现在只支撑 utf8 和 gbk。（注：默许为 gbk，utf8不要写成utf-8）
> **返回值** 一直为 true
5. `bool scws_add_dict(resource scws_handle, string dict_path [, int mode])`
`bool SimpleCWS::add_dict(string dict_path [, int mode])` 增添分词所用的辞书，新到场的优先查找。
> **参数 dict_path** 辞书的途径，可所以相对途径或完整途径。（遵照平安形式下的 open_basedir）
> **参数 mode** 可选，示意加载的体式格局。其值有：
>
> - SCWS_XDICT_TXT 示意要读取的辞书文件是文本格式，能够和后2项连系用
> - SCWS_XDICT_XDB 示意直接读取 xdb 文件（此为默许值）
> - SCWS_XDICT_MEM 示意将 xdb 文件悉数加载到内存中，以 XTree 构造寄存，可用异或连系别的2个运用。
>
> **返回值** 胜利返回 true 失利返回 false
6. `bool scws_set_dict(resource scws_handle, string dict_path [, int mode])`
`bool SimpleCWS::set_dict(string dict_path [, int mode])` 设定分词所用的辞书并消灭已存在的辞书列表。
> **参数 dict_path** 辞书的途径，可所以相对途径或完整途径。（遵照平安形式下的 open_basedir）
> **参数 mode** 可选，示意加载的体式格局。拜见 `scws_add_dict`
> **返回值** 胜利返回 true 失利返回 false
7. `bool scws_set_rule(resource scws_handle, string rule_path)`
`bool SimpleCWS::set_rule(string rule_path)` 设定分词所用的新词辨认划定规矩集（用于人名、地名、数字时候年代等辨认）。
> **参数 rule_path** 划定规矩集的途径，可所以相对途径或完整途径。（遵照平安形式下的 open_basedir）
> **参数 mode** 可选，示意加载的体式格局。拜见 `scws_add_dict`
> **返回值** 胜利返回 true 失利返回 false
8. `bool scws_set_ignore(resource scws_handle, bool yes)`
`bool SimpleCWS::set_ignore(bool yes)` 设定分词返回效果时是不是去除一些特别的标点符号之类。
> **参数 yes** 设定值，假如为 true 则效果中不返回标点符号，假如为 false 则会返回，缺省为 false。
> **返回值** 一直为 true
9. `bool scws_set_multi(resource scws_handle, int mode)`
`bool SimpleCWS::set_multi(bool yes)` 设定分词返回效果时是不是复式支解，如“中国人”返回“中国＋人＋中国人”三个词。
> **参数 mode** 复合分词法的级别，缺省不复合分词。取值由下面几个常量异或组合（也可用 1-15 来示意）：
>
> - SCWS_MULTI_SHORT (1)短词
> - SCWS_MULTI_DUALITY (2)二元（将相邻的2个单字组合成一个词）
> - SCWS_MULTI_ZMAIN (4)主要单字
> - SCWS_MULTI_ZALL (8)悉数单字
>
> **返回值** 一直为 true
10. `bool scws_set_duality(resource scws_handle, bool yes)`
`bool SimpleCWS::set_duality(bool yes)` 设定是不是将闲散笔墨自动以二字分词法聚合
> **参数 yes** 设定值，假如为 true 则效果中多个单字会自动按二分法聚分，假如为 false 则不处置惩罚，缺省为 false。
> **返回值** 一直为 true
11. `bool scws_send_text(resource scws_handle, string text)`
`bool SimpleCWS::send_text(string text)` 发送设定分词所要切割的文本。
> **参数 text** 要切分的文本的内容。
> **返回值** 胜利返回 true 失利返回 false
> **注重** 体系底层处置惩罚体式格局为对该文本增添一个援用，故不管多长的文本并不会形成内存糟蹋；
> 实行本函数时，若未加载任何辞书和划定规矩集，则会自动试图在 ini 指定的缺省目次下查找缺省字符集的辞书和划定规矩集。
12. `mixed scws_get_result(resource scws_handle)`
`mixed SimpleCWS::get_result()` 依据 send_text 设定的文本内容，返回一系列切好的辞汇。
> **返回值** 胜利返回切好的辞汇构成的数组，若无更多辞汇，返回 false。返回的辞汇包含的键值以下：
>
> - word _string_ 词自身
> - idf _float_ 逆文本词频
> - off _int_ 该词在原文本路的位置
> - attr _string_ 词性
>
> **注重** 每次切词后本函数应当轮回挪用，直到返回 false 为止，由于顺序每次返回的词数是不确定的。
13. `mixed scws_get_tops(resource scws_handle [, int limit [, string attr]])`
`mixed SimpleCWS::get_tops([int limit [, string attr]])` 依据 send_text 设定的文本内容，返回体系盘算出来的最症结辞汇列表。
> **参数 limit** 可选参数，返回的词的最大数目，缺省是 10
> **参数 attr** 可选参数，是一系列词性构成的字符串，各词性之间以半角的逗号离隔，
> 这示意返回的词性必需在列表中，假如以~开首，则示意取反，词性必需不在列表中，缺省为NULL，返回悉数词性，不过滤。
> **返回值** 胜利返回统计好的的辞汇构成的数组，返回 false。返回的辞汇包含的键值以下：
>
> - word _string_ 词自身
> - times _int_ 词在文本中涌现的次数
> - weight _float_ 该词盘算后的权重
> - attr _string_ 词性
14. `mixed scws_get_words(resource scws_handle, string attr)`
`mixed SimpleCWS::get_words(string attr)` 依据 send_text 设定的文本内容，返回体系中词性相符请求的症结辞汇。
> **参数 attr** 是一系列词性构成的字符串，各词性之间以半角的逗号离隔，
> 这示意返回的词性必需在列表中，假如以~开首，则示意取反，词性必需不在列表中，若为空则返回悉数词。
> **返回值** 胜利返回相符请求辞汇构成的数组，返回 false。返回的辞汇包含的键值拜见 `scws_get_result`
15. `bool scws_has_words(resource scws_handle, string attr)`
`mixed SimpleCWS::has_words(string attr)` 依据 send_text 设定的文本内容，返回体系中是不是包含相符词性请求的症结词。
> **参数 attr** 是一系列词性构成的字符串，各词性之间以半角的逗号离隔，
> 这示意返回的词性必需在列表中，假如以~开首，则示意取反，词性必需不在列表中，若为空则返回悉数词。
> **返回值** 假如有则返回 true，没有就返回 false。
16. `string scws_version(void)`
`string SimpleCWS::version(void)` 返回 scws 版本号称号信息（字符串）。
以上就是怎样装置 php scws（分词组件）？的细致内容，更多请关注ki4网别的相干文章！
