PHP 中文分詞與關鍵詞提取：SCWS 與 PhpAnalysis 實戰指南

為什麼需要中文分詞？

中文無自然分詞符號（空格），搜索引擎、標籤雲、內容推薦、情感分析等場景都依賴準確分詞。PHP 生態中主流有兩類方案：C 擴展型（高性能）與純 PHP 實現（易部署）。

方案一：SCWS - 簡易中文分詞系統（C 擴展，高性能）

特點

• 純 C 開發，提供 PHP 擴展與共享庫，切詞速度極快（百萬字/秒級）
• 支援 GBK、UTF-8、BIG5 多編碼
• 內建詞頻詞典、專有名詞/人名/地名/數字識別規則，準確率 90%~95%
• 適合中小型搜索引擎、關鍵詞提取、文本分類等生產環境

PHP 整合示例

<?php
// 需安裝 scws 擴展：pecl install scws
// 或編譯共享庫後 php.ini 加入 extension=scws.so

$scws = new SCWS();
$scws->set_charset('utf-8');
$scws->set_dict('/path/to/dict.utf8.xdb');      // 主詞典
$scws->set_rule('/path/to/rules.utf8.ini');    // 模糊規則
$scws->set_ignore(true);                       // 忽略標點、數字等
$scws->send_text($text);

// 獲取權重前 10 關鍵詞
$topWords = $scws->get_tops(10);
$keywords = array_column($topWords, 'word');
// 輸出: ['關鍵詞1', '關鍵詞2', ...]

// 完整分詞結果（帶詞性）
$words = [];
while ($token = $scws->get_result()) {
    $words[] = $token; // ['word'=词, 'idf'=权重, 'attr'=词性]
}
$scws->close();
?>

資源下載

• 官網：https://www.ftphp.com/scws/
• 演示：在線體驗

方案二：PhpAnalysis - 純 PHP 實現（零依賴，易部署）

特點

• 無需編譯擴展，僅需引入類文件，虛擬主機也能跑
• 基於機械分詞（正向/逆向最大匹配），實現簡單
• 支援 UTF-8/GBK，提供 HTTP 服務模式
• 缺點：大數據量下效率明顯低於 SCWS，適合輕量級應用

使用示例

<?php
require_once 'PhpAnalysis.class.php';

PhpAnalysis::$loadInit = false; // 禁用自動載入詞典（手動控制）
$pa = new PhpAnalysis('utf-8', 'utf-8', false);
$pa->LoadDict();                // 載入詞典（首次較慢，建議緩存）
$pa->SetSource($text);
$pa->StartAnalysis(false);      // false=不進行詞性標註，加快速度
$keywords = $pa->GetFinallyResult(); // 空格分隔的關鍵詞字符串
?>

資源下載

• 官網：https://www.itgrass.com/phpanalysis/
• 演示：在線體驗

選型建議

進階：結合 Composer 管理

現代項目建議使用 Composer 封裝庫：

• composer require hightman/scws (社區維護的 SCWS 封裝)
• composer require fukuball/jieba-php (結巴分詞 PHP 移植版，純 PHP 且準確率極高，強烈推薦)

結語

若項目允許安裝擴展且追求極致性能，SCWS 是首選；受限於虛擬主機或需快速接入，PhpAnalysis 或 Jieba-PHP 更務實。實際上線前，請用業務真實語料測試分詞效果，必要時補充自定義詞典。