资源内容介绍

php-mmseg

简介

中文分词引擎LibMMSeg的php扩展

依赖

coreseek官网已经关闭了，所以已经无法从官方文档查询到软件包的细节, 如果需要查询官网信息，可以参考 archive.org 上的备份

https://web.archive.org/web/20161122124307/http://www.coreseek.cn:80/products-install/faq/

1. php5.4 以上版本 （其他版本目前还没有测试）
2. LibMMSeg 3.2.14版本 http://www.coreseek.cn/opensource/mmseg/

关于mmseg的安装，参考http://www.coreseek.cn/products/products-install/

安装

目前在Linux和Mac下测试通过,Windows下还未编译过

1. 首先安装LibMMSeg ( http://www.coreseek.cn/uploads/csft/3.2/mmseg-3.2.14.tar.gz)我将libMMeg保存一份到我们的git仓库的dependencies 下

   cd dependencies/mmseg-3.2.14./bootstrap./configure --prefix=/opt/makesudo make install

2. 安装php-mmseg

   cd php-mmseg/mmsegphpize./configure --with-mmseg=/optmakesudo make install

3. 配置php-mmseg

   在php.ini中增加

   extension=mmseg.sommseg.dict_dir=/opt/etcmmseg.autoreload=1

   注意，mmseg.dict_dir配置的是mmseg配置文件和字典所在目录的地址,mmseg.autoreload 如果设置为1 则字典文件（特指uni.lib)， 在更新之后，系统会自动重新载入配置文件和字典。

使用

1. 全局字典模式

   该模式引入全文的字典文件，不需要每次调用分词代码之前调用字典，但是要求必须在配置文件中配置好字典的目录

   $ret=mmseg_segment("你好，世界");var_dump($ret);

2. 在程序中引入字典

   $mmseg=mmseg_open("/opt/mmseg/etc");$ret=mmseg_segment($mmseg,"你好，世界");mmseg_close($mmseg);var_dump($ret);

   输出结果（使用mmseg默认的字典）

   array(3){[0]=>string(6)"你好"[1]=>string(3)"，"[2]=>string(6)"世界"}

3. 生成字典文件

   类似命令行的如下命令，

   mmseg -u unigram.txt

   我们可以使用下面的语句生成词典文件，其中第一个参数为要输入的源文本格式的词典文件， 如unigram.txt , 第二个参数为输出的供分词使用的词典文件

   代码

   $isDone=mmseg_gendict(dirname(__FILE__)."/"."unigram.txt",dirname(__FILE__)."/"."unigram.txt.uni");

   原文本格式的词典文件格式如下（参考LibMMSeg文档 : http://www.coreseek.cn/opensource/mmseg/ ）

   河 187x:187造假者 1x:1台北队 1x:1湖边 1

4. 生成特殊短语，同义词词典

   // 生成特殊短语词典mmseg_gensynonyms(dirname(__FILE__)."/"."synonyms.txt",dirname(__FILE__)."/"."synonyms.dat")// 生成同义词词典mmseg_genthesaurus(dirname(__FILE__)."/"."thesaurus.txt",dirname(__FILE__)."/"."thesaurus.dat")