1、安裝 bzip2 及 gcc gcc-c++ yum install bzip2 yum -y install gcc gcc-c++ 2、下載 scws-1.2.3 的程式碼 wget http://www.xunsearch.com/scws/down/scws-1.2.3.tar.bz2 3、解壓 tar xvjf scws-1.2.3.tar.bz2 4、安裝 cd scws-1.2.3 ./configure --prefix=/usr/local/scws make ; make install 順利的話已經編譯並安裝成功到 /usr/local/scws 中了，執行下面命令看看檔案是否存在 ls -al /usr/local/scws/lib/libscws.la 5、用 wget 下載並解壓詞典，或從主頁下載然後自行解壓再將 *.xdb 放入 /usr/local/scws/etc 目錄中 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擴充套件 如果您需要在 php 中呼叫分詞，建議繼續閱讀本文安裝 php 擴充套件，否則可跳過不看。 假設您已經將 scws 按上述步驟安裝到 /usr/local/scws 中。 安裝此擴充套件要求您的 php 和系統環境安裝了相應的 autoconf automake 工具及 phpize 。 1) 進入原始碼目錄的 phpext/ 目錄 cd /var/scws-1.2.3/phpext 2) 執行 phpize （在PHP安裝目錄的bin/目錄下）[沒有安裝phpize 使用 yum install php-devel 安裝] 3) 執行 ./configure --with-scws=/usr/local/scws 4) 若 php 安裝在特殊目錄 $php_prefix, 則請在 configure 後加上 --with-php-config=$php_prefix/bin/php-config 5) 在 php.ini [/etc/php.ini] 中加入以下幾行 [scws] extension = scws.so scws.default.charset = utf8 scws.default.fpath = /usr/local/scws/etc
Windows 環境下安裝 scws
php 擴充套件下載地址
1. 根據您當前用的 PHP 版本，下載相應已編譯好的 php_scws.dll 擴充套件庫。
目前支援 PHP-4.4.x 和 PHP-5.2.x 系列，下載地址分別為：
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. 將下載後的 php_scws.dll 放到 php 安裝目錄的
extensions/ 目錄中去（通常為：X:/php/extensions/或 X:/php/ext/）。
3. 建立一個本地目錄放規則集檔案和詞典檔案，建議使用：C:/program files/scws/etc
4. 從 scws 主頁上下載詞典檔案，解壓後將 *.xdb 放到上述目錄中
詞典系列：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. 從 scws 主頁上下載規則集檔案，解壓後將 *.ini 放到第 3 步建立的目錄
規則集檔案壓縮包：http://www.xunsearch.com/scws/down/rules.tgz
解壓後有三個檔案分別為 rules.ini rules.utf8.ini rules_cht.utf8.ini
將三件檔案拷到第 3 步所述的目錄中
6. 修改 php.ini 通常位於 C:/windows/php.ini 或 C:/winnt/php.ini 之類的目錄，
在 php.ini 的末尾加入以下幾行：
[scws]
;
; 注意請檢查 php.ini 中的 extension_dir 的設定值是否正確, 否則請將 extension_dir 設為空，
; 再把 php_scws.dll 指定為絕對路徑。
;
extension = php_scws.dll
scws.default.charset = gbk
scws.default.fpath = "c:/program files/scws/etc"
5. 重開 web 伺服器即可完成。php 程式碼
php 程式碼
<?php
$so = scws_new();
//$so->set_charset('utf-8');
// 這裡沒有呼叫 set_dict 和 set_rule 系統會自動試呼叫 ini 中指定路徑下的詞典和規則檔案
$so->send_text("我是一個中國人,我會C++語言,我也有很多T恤衣服 name is hai");
while ($tmp = $so->get_result())
{
print_r($tmp);
}
$so->close();
?>
預定義常數
-----------
* `SCWS_XDICT_XDB` 詞典檔案為 XDB
* `SCWS_XDICT_MEM` 將詞典全部載入到記憶體裡
* `SCWS_XDICT_TXT` 詞典檔案為 TXT（純文字）
* `SCWS_MULTI_NONE` 不進行複合分詞
* `SCWS_MULTI_SHORT` 短詞複合
* `SCWS_MULTI_DUALITY` 散字二元複合
* `SCWS_MULTI_ZMAIN` 重要單字
* `SCWS_MULTI_ZALL` 全部單字
預定義類
---------
這是一個類似 `Directory` 的內建式偽類操作，類方法建立請使用 `scws_new()` 函數，而不能直接用 `new SimpleCWS`。
否則不會包含有 handle 指標，將無法正確操作。它包含的方法有：
```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)
};
```
> **注意** 類方法的用與支 scws_xxx_xxx 系列函數用法一致，只不過免去第一引數，
> 故不另外編寫說明，請參見函數列表即可。
**例子1** 使用類方法分詞
```php
<?php
$so = scws_new();
$so->set_charset('gbk');
// 這裡沒有呼叫 set_dict 和 set_rule 系統會自動試呼叫 ini 中指定路徑下的詞典和規則檔案
$so->send_text("我是一個中國人,我會C++語言,我也有很多T恤衣服");
while ($tmp = $so->get_result())
{
print_r($tmp);
}
$so->close();
?>
```
**例子2** 使用函數提取高頻詞
```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');
$text = "我是一個中國人，我會C++語言，我也有很多T恤衣服";
scws_send_text($sh, $text);
$top = scws_get_tops($sh, 5);
print_r($top);
?>
```
> **注意** 為方便使用，當 `SimpleCWS::send_text` 方法或 `scws_send_text()` 函數被呼叫前並且沒有
> 載入任何詞典和規則集時，系統會自動在 `scws.default.fpath` (ini設定)目錄中查詢相應的字元集詞典。
> 詞典和規則檔案的命名方式為 dict[.字元集].xdb 和 rules[.字元集].ini ，當字元集是 gbk 時中括號裡面的
> 部分則不需要，直接使用 dict.xdb 和 rules.ini 而不是 dict.gbk.xdb 。
>
> 此外，輸入的文字，詞典、規則檔案這三者的字元集必須統一，如果不是預設的 gbk 字元集請呼叫
> `SimpleCWS::set_charset` 或 `scws_set_charset` 來設定，否則可能出現意外錯誤。
函數詳解
--------
1. `mixed scws_new(void)` 建立並返回一個 `SimpleCWS` 類操作物件。
> **返回值** 成功返回類操作控制代碼，失敗返回 false。
2. `mixed scws_open(void)` 建立並返回一個分詞操作控制代碼。
> **返回值** 成功返回 scws 操作控制代碼，失敗返回 false。
3. `bool scws_close(resource scws_handle)`
`SimpleCWS::close(void)` 關閉一個已開啟的 scws 分詞操作控制代碼。
> **引數 scws_handle** 即之前由 scws_open 開啟的返回值。
> **返回值** 始終為 true
> **注意** 後面的 API 中省去介紹 scws_handle 引數，含義和本函數相同。
4. `bool scws_set_charset(resource scws_handle, string charset)`
`bool SimpleCWS::set_charset(string charset)` 設定分詞詞典、規則集、欲分文字字串的字元集。
> **引數 charset** 要新設定的字元集，目前只支援 utf8 和 gbk。（註：預設為 gbk，utf8不要寫成utf-8）
> **返回值** 始終為 true
5. `bool scws_add_dict(resource scws_handle, string dict_path [, int mode])`
`bool SimpleCWS::add_dict(string dict_path [, int mode])` 新增分詞所用的詞典，新加入的優先查詢。
> **引數 dict_path** 詞典的路徑，可以是相對路徑或完全路徑。（遵循安全模式下的 open_basedir）
> **引數 mode** 可選，表示載入的方式。其值有：
>
> - SCWS_XDICT_TXT 表示要讀取的詞典檔案是文字格式，可以和後2項結合用
> - SCWS_XDICT_XDB 表示直接讀取 xdb 檔案（此為預設值）
> - SCWS_XDICT_MEM 表示將 xdb 檔案全部載入到記憶體中，以 XTree 結構存放，可用互斥或結合另外2個使用。
>
> **返回值** 成功返回 true 失敗返回 false
6. `bool scws_set_dict(resource scws_handle, string dict_path [, int mode])`
`bool SimpleCWS::set_dict(string dict_path [, int mode])` 設定分詞所用的詞典並清除已存在的詞典列表。
> **引數 dict_path** 詞典的路徑，可以是相對路徑或完全路徑。（遵循安全模式下的 open_basedir）
> **引數 mode** 可選，表示載入的方式。參見 `scws_add_dict`
> **返回值** 成功返回 true 失敗返回 false
7. `bool scws_set_rule(resource scws_handle, string rule_path)`
`bool SimpleCWS::set_rule(string rule_path)` 設定分詞所用的新詞識別規則集（用於人名、地名、數位時間年代等識別）。
> **引數 rule_path** 規則集的路徑，可以是相對路徑或完全路徑。（遵循安全模式下的 open_basedir）
> **引數 mode** 可選，表示載入的方式。參見 `scws_add_dict`
> **返回值** 成功返回 true 失敗返回 false
8. `bool scws_set_ignore(resource scws_handle, bool yes)`
`bool SimpleCWS::set_ignore(bool yes)` 設定分詞返回結果時是否去除一些特殊的標點符號之類。
> **引數 yes** 設定值，如果為 true 則結果中不返回標點符號，如果為 false 則會返回，預設為 false。
> **返回值** 始終為 true
9. `bool scws_set_multi(resource scws_handle, int mode)`
`bool SimpleCWS::set_multi(bool yes)` 設定分詞返回結果時是否復式分割，如「中國人」返回「中國＋人＋中國人」三個詞。
> **引數 mode** 複合分詞法的級別，預設不複合分詞。取值由下面幾個常數互斥或組合（也可用 1-15 來表示）：
>
> - SCWS_MULTI_SHORT (1)短詞
> - SCWS_MULTI_DUALITY (2)二元（將相鄰的2個單字組合成一個詞）
> - SCWS_MULTI_ZMAIN (4)重要單字
> - SCWS_MULTI_ZALL (8)全部單字
>
> **返回值** 始終為 true
10. `bool scws_set_duality(resource scws_handle, bool yes)`
`bool SimpleCWS::set_duality(bool yes)` 設定是否將閒散文字自動以二字分詞法聚合
> **引數 yes** 設定值，如果為 true 則結果中多個單字會自動按二分法聚分，如果為 false 則不處理，預設為 false。
> **返回值** 始終為 true
11. `bool scws_send_text(resource scws_handle, string text)`
`bool SimpleCWS::send_text(string text)` 傳送設定分詞所要切割的文字。
> **引數 text** 要切分的文字的內容。
> **返回值** 成功返回 true 失敗返回 false
> **注意** 系統底層處理方式為對該文字增加一個參照，故不論多長的文字並不會造成記憶體浪費；
> 執行本函數時，若未載入任何詞典和規則集，則會自動試圖在 ini 指定的預設目錄下查詢預設字元集的詞典和規則集。
12. `mixed scws_get_result(resource scws_handle)`
`mixed SimpleCWS::get_result()` 根據 send_text 設定的文字內容，返回一系列切好的詞彙。
> **返回值** 成功返回切好的詞彙組成的陣列，若無更多詞彙，返回 false。返回的詞彙包含的鍵值如下：
>
> - word _string_ 詞本身
> - idf _float_ 逆文字詞頻
> - off _int_ 該詞在原文字路的位置
> - attr _string_ 詞性
>
> **注意** 每次切詞後本函數應該迴圈呼叫，直到返回 false 為止，因為程式每次返回的詞數是不確定的。
13. `mixed scws_get_tops(resource scws_handle [, int limit [, string attr]])`
`mixed SimpleCWS::get_tops([int limit [, string attr]])` 根據 send_text 設定的文字內容，返回系統計算出來的最關鍵詞彙列表。
> **引數 limit** 可選引數，返回的詞的最大數量，預設是 10
> **引數 attr** 可選引數，是一系列詞性組成的字串，各詞性之間以半形的逗號隔開，
> 這表示返回的詞性必須在列表中，如果以~開頭，則表示取反，詞性必須不在列表中，預設為NULL，返回全部詞性，不過濾。
> **返回值** 成功返回統計好的的詞彙組成的陣列，返回 false。返回的詞彙包含的鍵值如下：
>
> - word _string_ 詞本身
> - times _int_ 詞在文字中出現的次數
> - weight _float_ 該詞計算後的權重
> - attr _string_ 詞性
14. `mixed scws_get_words(resource scws_handle, string attr)`
`mixed SimpleCWS::get_words(string attr)` 根據 send_text 設定的文字內容，返回系統中詞性符合要求的關鍵詞彙。
> **引數 attr** 是一系列詞性組成的字串，各詞性之間以半形的逗號隔開，
> 這表示返回的詞性必須在列表中，如果以~開頭，則表示取反，詞性必須不在列表中，若為空則返回全部詞。
> **返回值** 成功返回符合要求詞彙組成的陣列，返回 false。返回的詞彙包含的鍵值參見 `scws_get_result`
15. `bool scws_has_words(resource scws_handle, string attr)`
`mixed SimpleCWS::has_words(string attr)` 根據 send_text 設定的文字內容，返回系統中是否包括符合詞性要求的關鍵詞。
> **引數 attr** 是一系列詞性組成的字串，各詞性之間以半形的逗號隔開，
> 這表示返回的詞性必須在列表中，如果以~開頭，則表示取反，詞性必須不在列表中，若為空則返回全部詞。
> **返回值** 如果有則返回 true，沒有就返回 false。
16. `string scws_version(void)`
`string SimpleCWS::version(void)` 返回 scws 版本號名稱資訊（字串）。以上就是如何安裝 php scws（分詞元件）？的詳細內容，更多請關注TW511.COM其它相關文章！