关于Pscws

use Gaolei\Pscws\Pscws;

// 字典文件路径
$dictXdb = __DIR__ . '/my-dict.xdb';

$handler = new Pscws();

$handler->set_dict($dictXdb)           // 载入词典文件
->send_text("我爱我的祖国");             // 载入分词内容

$result = $handler->get_tops(10);      // 取出10条几率较高的分词
print_r($result);

// 若需要逐条取出，可参照 get_tops 函数内部实现

use Gaolei\Pscws\tools\XdbTool;

$xdbTool = XdbTool::init();

// 设定 txt 文件读取|解析使用的各项元素之间的分隔符，默认为"\t"
$xdbTool->separator = '__';

// txt 文件编译 xdb
$xdbTool->make('./dict/dict.txt','./dict/dict.xdb');

// xdb 反编译到 txt
$xdbTool->dump('./dict/dict.xdb','./dict/dict.txt');

#WORD__TF__IDF__ATTR
我__1__1__r
你__1__1__r
发现__1__1__v
好__1__1__a
你好__1__1__n
还__1__1__n
还不__1__1__a
还好__1__1__n
吗__1__1__u
坏__1__1__a
好坏__1__1__a
好强__1__1__a
好长__1__1__a
好短__1__1__a
好宽__1__1__a
好厚__1__1__a
好高__1__1__a
漂亮__1__1__a
觉得__1__1__u
胖__1__1__u
撩__1__1__u
爱__1__1__u
爱我__1__1__u
不动__1__1__u
不会__1__1__a
姐姐__1__1__a
以前__1__1__a
自愈__1__1__a
今天__1__1__n
昨天__1__1__n
明天__1__1__n
后天__1__1__n
大后天__1__1__n
家__1__1__n
回家__1__1__v
祖国__1__1__n

class Pscws {

    void set_preg_mode(int $model)
    说明：设置匹配模式 获取结果时将按照设定的 模式进行取值
    返回：无。
    参数：model 运行模式 缺省值：Pscws::PREG_MODE_ALL
        - Pscws::PREG_MODE_ALL(所有) 
        - Pscws::PREG_MODE_ALL(仅字典)

    Pscws set_charset(string charset);
    说明：设定分词词典、规则集、欲分文本字符串的字符集，系统缺省是 gbk 字集。
    返回：无。
    参数：charset 是设定的字符集，目前只支持 utf8 和 gbk。（注：big5 也可作 gbk 处理）
    注意：输入要切分的文本，词典，规则文件这三者的字符集必须统一为该 charset 值。
    
    Pscws set_dict(string dict_fpath);
    说明：设置分词引擎所采用的词典文件。
    参数：dict_path 是词典的路径，可以是相对路径或完全路径。
    返回：成功返回 true 失败返回 false。
    错误：若有错误会给出 WARNING 级的错误提示。
    
    Pscws set_rule(string rule_path);
    说明：设定分词所用的新词识别规则集（用于人名、地名、数字时间年代等识别）。
    返回：无。
    参数：rule_path 是规则集的路径，可以是相对路径或完全路径。
    
    Pscws set_ignore(bool yes)
    说明：设定分词返回结果时是否去除一些特殊的标点符号之类。
    返回：无。
    参数：yes 设定值，如果为 true 则结果中不返回标点符号，如果为 false 则会返回，缺省为 false。
    
    Pscws set_multi(int mode);
    说明：设定分词返回结果时是否复合分割，如“中国人”返回“中国＋人＋中国人”三个词。
    返回：无。
    参数：mode 设定值，1 ~ 15。
    按位异或的 1 | 2 | 4 | 8 分别表示: 短词 | 二元 | 主要单字 | 所有单字
    
    Pscws set_duality(bool yes);
    说明：设定是否将闲散文字自动以二字分词法聚合。
    返回：无。
    参数：yes 设定值，如果为 true 则结果中多个单字会自动按二分法聚分，如果为 false 则不处理，缺省为 false。
    
    Pscws set_debug(bool yes);
    说明：设置分词过程是否输出N-Path分词过程的调试信息。
    参数：yes 设定值，如果为 true 则分词过程中对于多路径分法分给出提示信息。
    返回：无。
    
    Pscws send_text(string text)
    说明：发送设定分词所要切割的文本。
    返回：无。
    参数：text 是文本的内容。
    注意：执行本函数时，请先加载词典和规则集文件并设好相关选项。
    
    mixed get_result(void)
    说明：根据 send_text 设定的文本内容，返回一系列切好的词汇。
    返回：成功返回切好的词汇组成的数组， 若无更多词汇，返回 false。
    参数：无。
    注意：每次切割后本函数应该循环调用，直到返回 false 为止，因为程序每次返回的词数是不确定的。
    返回的词汇包含的键值有：word (string, 词本身) idf (folat, 逆文本词频) off (int, 在文本中的位置) attr(string, 词性)
    
    mixed get_tops( [int limit [, string attr]] )
    说明：根据 send_text 设定的文本内容，返回系统计算出来的最关键词汇列表。
    返回：成功返回切好的词汇组成的数组， 若无更多词汇，返回 false。
    参数：limit 可选参数，返回的词的最大数量，缺省是 10；
    attr 可选参数，是一系列词性组成的字符串，各词性之间以半角的逗号隔开，
    这表示返回的词性必须在列表中，如果以~开头，则表示取反，词性必须不在列表中，
    缺省为空，返回全部词性，不过滤。
    
    string version(void);
    说明：返回本版号。
    返回：版本号（字符串）。
    参数：无。
    
    void close(void);
    说明：关闭释放资源，使用结束后可以手工调用该函数或等系统自动回收。
    返回：无。
    参数：无。
}

Ag
形语素
形容词性语素。形容词代码为a，语素代码ｇ前面置以A。

a
形容词
取英语形容词adjective的第1个字母。

ad
副形词
直接作状语的形容词。形容词代码a和副词代码d并在一起。

an
名形词
具有名词功能的形容词。形容词代码a和名词代码n并在一起。

b
区别词
取汉字“别”的声母。

c
连词
取英语连词conjunction的第1个字母。

Dg
副语素
副词性语素。副词代码为d，语素代码ｇ前面置以D。

d
副词
取adverb的第2个字母，因其第1个字母已用于形容词。

e
叹词
取英语叹词exclamation的第1个字母。

f
方位词
取汉字“方”

g
语素
绝大多数语素都能作为合成词的“词根”，取汉字“根”的声母。

h
前接成分
取英语head的第1个字母。

i
成语
取英语成语idiom的第1个字母。

j
简称略语
取汉字“简”的声母。

k
后接成分

l
习用语
习用语尚未成为成语，有点“临时性”，取“临”的声母。

m
数词
取英语numeral的第3个字母，n，u已有他用。

Ng
名语素
名词性语素。名词代码为n，语素代码ｇ前面置以N。

n
名词
取英语名词noun的第1个字母。

nr
人名
名词代码n和“人(ren)”的声母并在一起。

ns
地名
名词代码n和处所词代码s并在一起。

nt
机构团体
“团”的声母为t，名词代码n和t并在一起。

nz
其他专名
“专”的声母的第1个字母为z，名词代码n和z并在一起。

o
拟声词
取英语拟声词onomatopoeia的第1个字母。

ba 介词 把、将
bei 介词 被
p
介词
取英语介词prepositional的第1个字母。

q
量词
取英语quantity的第1个字母。

r
代词
取英语代词pronoun的第2个字母,因p已用于介词。

s
处所词
取英语space的第1个字母。

Tg
时语素
时间词性语素。时间词代码为t,在语素的代码g前面置以T。

t
时间词
取英语time的第1个字母。

dec 助词 的、之
deg 助词 得
di 助词 地
etc 助词 等、等等
as 助词 了、着、过
msp 助词 所
u
其他助词
取英语助词auxiliary

Vg
动语素
动词性语素。动词代码为v。在语素的代码g前面置以V。

v
动词
取英语动词verb的第一个字母。

vd
副动词
直接作状语的动词。动词和副词的代码并在一起。

vn
名动词
指具有名词功能的动词。动词和名词的代码并在一起。

w
其他标点符号

x
非语素字
非语素字只是一个符号，字母x通常用于代表未知数、符号。

y
语气词
取汉字“语”的声母。

z
状态词
取汉字“状”的声母的前一个字母。