PHP中文分词中代码共享的简单实现

当然，本文不是要研究中文搜索引擎，而是要与PHP共享一个站点搜索引擎。
我用的是中科院的ICTCLAS分词，计算所的开源版本。还有一个开源的竹子，我会遵循工具以后。
从ICTCLAS是一个不错的选择，因为它的算法被广泛传播，有一个开放的学术文献，具有简单的编译和更少的依赖库，但目前只有C / C++，java，和代码C #版本可用，并且有没有代码的PHP版本。如何这样做可以学习C和C++源和学术文献，然后开发一个PHP版本。不过，我想使用进程间通信要调用的C / C + +版本的PHP代码的可执行文件。
源代码下载后，将直接对ICTCLAS用C++开发库和编译环境的机器。它的Makefile脚本有错误，和代码执行测试不添加'。当然，不喜欢Windows ，手术很成功，但这并不影响编译结果。
用于中文分词的PHP类如下。我们用proc_open（）函数执行的分词程序，并通过管道及其相互作用，我们输入要分割和分割结果的文本阅读。
复制代码代码如下所示：
< PHP
类NLP {
私有静态cmd_path美元；
不要以///结尾。
静态函数set_cmd_path（$路径）{
自：：cmd_path美元= $路径；
}
私有函数CMD（$ STR）{
deｓｃｒｉｐｔorspec美元=阵列（
0 =数组（管道
1 =数组（管道
）；
美元：美元cmd_path CMD =自我。 / ICTCLAS ；
过程= proc_open美元（$ CMD，deｓｃｒｉｐｔorspec美元，$管）；
如果（is_resource（合过程））{
$str = iconv（'utf-8 '，'gbk，$str）；
fwrite（合管{ 0 }，$str）；
输出= stream_get_contents美元（$管{ 1 }）；
Fclose（合管{ 0 }）；
Fclose（合管{ 1 }）；
return_value美元= proc_close（合过程）；
}
*
美元=printf命令输入的|美元。自：：cmd_path美元 / ICTCLAS ；
执行（$ CMD，$输出，RET）；
输出=连接（）
* /
输出=配平（输出）；
输出= iconv（'gbk美元，美元'utf-8，输出）；
返回$输出；
}

*做一个分词并返回一个单词表。
* /
功能标记（$str）{
$ =数组（）；
输出=；
如果（$输出）{
PS = preg_split美元（ / /+，$输出）；
foreach（$ PS为P）{
列表（美元，标签）=（爆炸，$ P）；
$ =数组（
赛格= $赛格，
标签，
）；
$ $；
}
}
返回$令牌；
}
}
NLP：：set_cmd_path（dirname（__file__））；
>

它易于使用（确保ICTCLAS编译好的可执行文件和字典是在当前目录）：
复制代码代码如下所示：
< PHP
require_once（'nlp。php）；
var_dump（NLP：：标记（你好，世界！；
>