PHP 中文分詞實作：基於 PSCWS4 的封裝函數

簡介

分享一個基於 PSCWS4（PHP Chinese Word Segmentation）的中文分詞封裝函數，支援返回字串或陣列、自定義分隔符、提取前 N 個關鍵詞。

依賴準備

1. 下載 PSCWS4：官網 或 GitHub
2. 解壓至專案目錄（如 ./pscws4/）
3. 確保包含：pscws4.php、etc/dict.utf8.xdb、etc/rules.utf8.ini

封裝函數

<?php
/**
 * 中文分詞處理
 * @param string $text 待處理文本
 * @param int $top 返回前 N 個關鍵詞，0 為全部
 * @param bool $return_array true 返回陣列，false 返回字串
 * @param string $sep 字串模式下的分隔符
 * @return mixed
 */
function scws($text, $top = 5, $return_array = false, $sep = ',') {
    include('./pscws4/pscws4.php');
    
    $cws = new PSCWS4('utf-8');
    $cws->set_charset('utf-8');
    $cws->set_dict('./pscws4/etc/dict.utf8.xdb');
    $cws->set_rule('./pscws4/etc/rules.utf8.ini');
    $cws->set_ignore(true); // 忽略標點等
    
    $cws->send_text($text);
    $ret = $cws->get_tops($top, 'r,v,p'); // 返回詞、權重、詞性
    
    $result = $return_array ? [] : '';
    foreach ($ret as $value) {
        if ($return_array) {
            $result[] = $value['word'];
        } else {
            $result .= $sep . $value['word'];
        }
    }
    
    return $return_array ? $result : substr($result, 1);
}

// 測試
print_r(scws('青花夔龍紋香爐'));
?>

參數說明

進階配置

• set_multi(3)：啟用多元切分（獲取更多候選詞）
• set_duality(true)：返回雙關鍵詞（如「銀行」同時返回「銀」「行」）
• set_debug(true)：開啟調試輸出
• 自定義詞典：add_dict() 載入專業領域詞庫

應用場景

• 站內搜尋關鍵詞提取
• 文章標籤自動生成
• 內容推薦系統的特徵提取
• 敏感詞過濾預處理