php 利用scws实现mysql全文搜索功能

php 利用scws实现mysql全文搜索功能

scws这样的中文分词插件比较不错，简单的学习了一下。它包涵一些专有名称、人名、地名、数字年代等规则集合，可以直接将语句按这些规则分开成一个一个关键词，准确率在90%-95%之间。按照安装说明把scws的扩展放入php的扩展目录里，下载规则文件和词典文件，并在php配置文件中引用它们，就可以用scws进行分词了

 

1) 修改 php 扩展代码以兼容支持 php 5.4.x
2) 修正 php 扩展中 scws_get_tops 的 limit 参数不允许少于 10 的问题
3) libscws 增加 scws_fork() 从既有的 scws 实例产生分支并共享词典/规则集，主要用于多线程开发。
4) 新增部分版本的 win32 的 dll 扩展

代码如下

复制代码

<?php //实例化分词插件核心类 $so = scws_new(); //设置分词时所用编码 $so->set_charset(‘utf-8’); //设置分词所用词典(此处使用utf8的词典) $so->set_dict('/path/dict.utf8.xdb'); //设置分词所用规则 $so->set_rule('/path/rules.utf8.ini '); //分词前去掉标点符号 $so->set_ignore(true); //是否复式分割，如“中国人”返回“中国＋人＋中国人”三个词。 $so->set_multi(true); //设定将文字自动以二字分词法聚合 $so->set_duality(true); //要进行分词的语句 $so->send_text(“欢迎来到火星时代IT开发”); //获取分词结果，如果提取高频词用get_tops方法 while ($tmp = $so->get_result()) {   print_r($tmp); } $so->close(); ?>

注：如以上例子，输入的文字，词典，规则文件这三者的字符集必须统一；另外mysql 4.XX有的是不支持中文全文搜索的，可以存入关键字对应的区位码以方便全文搜索。

版本列表

版本 类型 平台 性能 其它
SCWS-1.1.x C 代码 *Unix*/*PHP* 准确: 95%, 召回: 91%, 速度: 1.2MB/sec
PHP扩展分词速度: 250KB/sec [下载] [文档] [安装说明]
php_scws.dll(1) PHP扩展库 Windows/PHP 4.4.x 准确: 95%, 召回: 91%,
php_scws.dll(2) PHP扩展库 Windows/PHP 5.2.x 准确: 95%, 召回: 91%,
php_scws.dll(3) PHP扩展库 Windows/PHP 5.3.x 准确: 95%, 召回: 91%, 
php_scws.dll(4) PHP扩展库 Windows/PHP 5.4.x 准确: 95%, 召回: 91%,
PSCWS23 PHP源代码 不限 (不支持UTF-8) 准确: 93%, 召回: 89%,
PSCWS4 PHP源代码 不限 准确: 95%, 召回: 91%,