Category: PHP

“結巴”中文分詞：做最好的 PHP 中文分詞、中文斷詞組件。 / “Jieba” (Chinese for “to stutter”) Chinese text segmentation: built to be the best PHP Chinese word segmentation module. http://jieba-php.fukuball.com

基于PSCWS4的PHP中文分词工具词库官方网址：http://www.xunsearch.com/scws/

这是用纯 PHP 代码实现的 C 版 Libscws 的全部功能，即第四版的 PSCWSPSCWS4

使用文档：http://www.xunsearch.com/scws/docs.php#pscws4

安装composer require wxkxklmyt/pscws

安装

composer require wxkxklmyt/pscws4

使用

    /**
     * SCWS中文分词
     *
     * @param string $text 分词字符串
     * @param number $number 权重高的词数量(默认5个)
     * @param string $type 返回类型,默认字符串
     * @param string $delimiter 分隔符
     * @return string|array 字符串|数组
     */
    $scws = new Scws();
    $scws -> scws('能做到柔和、善解、忍辱，才有办法与人结好缘。——证严法师《静思语》');

运行结果

静思 善解 法师 柔和 做到

其它说明

1. 默认返回结果为字符串，返回字符串支持自定义分隔符，默认为空格
2. 支持返回结果为数组
3. 支持返回词数量自定义，默认为5个

用 $str = preg_replace('/^[\pZ\pC]+|[\pZ\pC]+$/u','',$str);

http://php.net/manual/zh/regexp.reference.unicode.php

在选用 UTF-8模式时用于匹配通用字符类型

pC:所有的unicode“other”
pZ:所有的unicode“separator” ,所有空格和不可见字符

<?php
require_once './vendor/autoload.php';
//report errors
error_reporting(E_ALL);
ini_set("display_errors", 1);

$config = [
    'mode' => '+aCJK', 
    // "allowCJKoverflow" => true, 
    "autoScriptToLang" => true,
    // "allow_charset_conversion" => false,
    "autoLangToFont" => true,
];
$mpdf=new \Mpdf\Mpdf($config);

$mpdf->WriteHTML('Hello World 中文');
$mpdf->Output();

1.使用phpword 实现word->pdf

require_once("includes/PHPWord/vendor/autoload.php");

$inputfile = "files/temp/offerte_Hankie-Pankie.docx";

$path = realpath(realpath(__DIR__) . '/includes/dompdf');

echo "realpath: " . $path;

\PhpOffice\PhpWord\Settings::setPdfRendererPath($path);
\PhpOffice\PhpWord\Settings::setPdfRendererName(\PhpOffice\PhpWord\Settings::PDF_RENDERER_DOMPDF);

//Load temp file
$phpWord = \PhpOffice\PhpWord\IOFactory::load($inputfile); 

//Save it
$xmlWriter = \PhpOffice\PhpWord\IOFactory::createWriter($phpWord , 'PDF');
$xmlWriter->save('result.pdf');

2.Html2word

https://packagist.org/packages/cshaptx4869/html2word

3.word->html

https://segmentfault.com/a/1190000019821351?utm_source=tag-newest

4.PDFdo:

http://www.pdfdo.com/doc-to-pdf.aspx

5.cshaptx4869/html2word

https://packagist.org/packages/cshaptx4869/html2word

本文实例总结了PHP实现二维数组（或多维数组）转换成一维数组的常见方法。分享给大家供大家参考，具体如下：

假设有下面一个二维数组：

$user = array(
  '0' => array('id' => 100, 'username' => 'a1'),
  '1' => array('id' => 101, 'username' => 'a2'),
  '2' => array('id' => 102, 'username' => 'a3'),
  '3' => array('id' => 103, 'username' => 'a4'),
  '4' => array('id' => 104, 'username' => 'a5'),
);

现在要转换成一维数组，有两种情况：

一种是将指定列转换成一维数组，这在另一篇文章有总结：PHP提取多维数组指定一列的方法总结。

现在我们重点讲第二种情况，就是把所有的值都转换成一维数组，而且键值相同不会被覆盖，转换后的一维数组是这样的：

$result = array(100, 'a1'， 101, 'a2', 102, 'a3', 103, 'a4', 104, 'a5');

主要有下面几个方法。

1 array_reduce函数法

用array_reduce()函数是较为快捷的方法：?

$result = array_reduce($user, function ($result, $value) {
  return array_merge($result, array_values($value));
}, array())

因为array_merge函数会把相同字符串键名的数组覆盖合并，所以必须先用array_value取出值后再合并。

如果第二维是数字键名，如：

$user = array(
  'a' => array(100, 'a1'),
  'b' => array(101, 'a2'),
  'c' => array(102, 'a3'),
  'd' => array(103, 'a4'),
  'e' => array(104, 'a5'),
);

那么直接这样就可以了：

$result = array_reduce($user, 'array_merge', array())

2 array_walk_recursive函数法

用array_walk_recursive()函数就非常灵活，可以把任意维度的数组转换成一维数组。

$result = [];
array_walk_recursive($user, function($value) use (&$result) {
  array_push($result, $value);
});

例如，下面这个多维数组：

$user4 = array(
  'a' => array(100, 'a1'),
  'b' => array(101, 'a2'),
  'c' => array(
    'd' => array(102, 'a3'),
    'e' => array(103, 'a4'),
  ),
);

用这个方法后就变成：

$result = array(100, 'a1'， 101, 'a2', 102, 'a3', 103, 'a4');

3 array_map函数法

用array_map和array_reduce函数的方法类似，如下：

$result = [];
array_map(function ($value) use (&$result) {
  $result = array_merge($result, array_values($value));
}, $user);

只是需要多声明一个空的$result数组。

另外，也可以用array_walk的方法，和foreach循环的方法，原理和上面一样。

主要流程解析

• 首先，打开浏览器登录QQ空间并访问留言列表
  
• 由于QQ空间的链接是https，curl方式请求https链接需要突破https认证，这就需要下载cacert.pem，下面请看cacert.pem的部署步骤

1、将下载的`cacert.pem`文件放至php安装目录下，比如："D:\wamp\bin\php\php5.5.12";
2、在php.ini文件末尾追加以下配置

curl.cainfo="D:/wamp/bin/php/php5.5.12/cacert.pem"
openssl.cafile="D:/wamp/bin/php/php5.5.12/cacert.pem"
3、重启wamp服务器
4、上面步骤操作完毕，即可用curl方式访问QQ空间数据了

注意事项

• 1、一定要设置时区为中国时区（避免cookie不同时区而自动过期）
• 2、在PHP 的命令行模式下执行（避免超时问题）
  

扩展

通过QQ空间留言的采集，可以扩展下，比如采集空间日志、说说、图片，再比如，可以尝试刷留言（最好定时执行刷留言）。

完整代码示例

<?php

date_default_timezone_set('PRC');
//内存无限制
ini_set('limit_memory', -1);
//代码执行不超时
set_time_limit(0);

//爬取QQ空间留言url
$baseUrl = "https://user.qzone.qq.com/proxy/domain/m.qzone.qq.com/cgi-bin/new/get_msgb?";

////查找留言下一页规律
//第一页
//uin=928692509&hostUin=928692509&start=0&s=0.4852990803750179&format=jsonp&num=10&inCharset=utf-8&outCharset=utf-8&g_tk=1467544760&qzonetoken=e1fa4e2c8b873a4bf33b86e6f4838942ed7a538c10b5b8cb52e2bf4a959d253f90691c5ed8b045ada7&g_tk=1467544760
//第二页
//uin=928692509&hostUin=928692509&start=10&s=0.4852990803750179&format=jsonp&num=10&inCharset=utf-8&outCharset=utf-8&g_tk=1467544760&qzonetoken=e1fa4e2c8b873a4bf33b86e6f4838942ed7a538c10b5b8cb52e2bf4a959d253f90691c5ed8b045ada7&g_tk=1467544760

//爬取QQ空间留言（自己或QQ好友）
$hostUinArr = [
        '1270612806'=>'飞得更高', '928692509'=>'Burning', '2075425089'=>'怒放的生命'
    ];

//遍历采集QQ好友空间留言
foreach($hostUinArr as $hostUin=>$qqName) {
    downloadHostUinMessage($baseUrl, $hostUin, $qqName);
}

//以好友名称为目录，将下载下来的留言单独存放
function downloadHostUinMessage($baseUrl, $hostUin, $qqName){
    $qqName = iconv('UTF-8', 'GBK', $qqName);
    $dir = './qqMessage/'.$qqName;
    
    if(!is_dir($dir)) {
        mkdir($dir, 0777, true);
    }
    
    $totalPages = 1;
    
    for($i=0; $i<$totalPages; $i++){
        $start = $i*10;
        $params = "uin=928692509&hostUin={$hostUin}&start={$start}&s=0.4852990803750179&format=jsonp&num=10&inCharset=utf-8&outCharset=utf-8&g_tk=1467544760&qzonetoken=e1fa4e2c8b873a4bf33b86e6f4838942ed7a538c10b5b8cb52e2bf4a959d253f90691c5ed8b045ada7&g_tk=1467544760";
        
        $url = $baseUrl . $params;
        $iContent = qqCommentCurl($url);
        
        $iContent = str_replace('_Callback(', '', $iContent);
        $iContent = trim(substr($iContent, 0, -2));
        //计算总页数，保证留言采集完
        if($totalPages == 1) {
            $iContentObj = json_decode($iContent);
            if(isset($iContentObj->code) && $iContentObj->code == 0) {
                $dataObj = $iContentObj->data;
                $totalPages = ceil($dataObj->total/10);
            } else {
                //结束
                return false;
            }
        }
        
        file_put_contents($dir.'/'.$hostUin.'_'.$i.'.txt', $iContent);
    }
}

/**
 * @author RenZhicai
 * QQ空间留言请求curl
 * @param type $url
 * @return type
 */
function qqCommentCurl($url='')
{
    $ch = curl_init();
    //需要获取的 URL 地址，也可以在curl_init() 初始化会话的时候。
    curl_setopt($ch, CURLOPT_URL, $url);
    //TRUE 将curl_exec()获取的信息以字符串返回，而不是直接输出。
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    if(preg_match('/http:\/\//', $url)) {
        //FALSE 禁止 cURL 验证对等证书（peer's certificate）。要验证的交换证书可以在 CURLOPT_CAINFO 选项中设置，或在 CURLOPT_CAPATH中设置证书目录。
        curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false); //这个是重点。
    }
    
    //启用时会将头文件的信息作为数据流输出。
    curl_setopt($ch, CURLOPT_HEADER, 0); 
    //TRUE 时将会根据服务器返回 HTTP 头中的 "Location: " 重定向。（注意：这是递归的，"Location: " 发送几次就重定向几次，除非设置了 CURLOPT_MAXREDIRS，限制最大重定向次数。）。
    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1); // 这样能够让cURL支持页面链接跳转

    //header头信息
    $headerArr = [
        "accept-language: zh-CN,zh;q=0.8",
        "user-agent: Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36"
    ];
    //设置 HTTP 头字段的数组。格式： array('Content-type: text/plain', 'Content-length: 100')
    curl_setopt($ch, CURLOPT_HTTPHEADER, $headerArr);
    
    curl_setopt($ch, CURLOPT_AUTOREFERER, true);
    
    //设置新的cookie，忽略之前会话时存的cookie
    curl_setopt($ch, CURLOPT_COOKIESESSION, TRUE);
    //包含 cookie 数据的文件名
    curl_setopt($ch, CURLOPT_COOKIEFILE, 'daoyancookiefile');
    //连接结束后，比如，调用 curl_close 后，保存 cookie 信息的文件。
    curl_setopt($ch, CURLOPT_COOKIEJAR, 'daoyancookiefile');

    //登录后的cookie信息  
    $cookieStr = "cookie: pgv_pvi=9803880448; tvfe_boss_uuid=7aa8e6046d68c6a2; RK=qBcndcbOTD; eas_sid=K1s5q0V8H8N5B4c1j9e2L0D8W3; pgv_pvid=8596381360; o_cookie=928692509; __Q_w_s_hat_seed=1; __Q_w_s__QZN_TodoMsgCnt=1; ptcz=dab5485d33e04f8612e84673ce0609bdcae13f792156f92dccf5a9784988a16a; uin=o0928692509; skey=@CgmH4oeQ8; pt2gguin=o0928692509; p_uin=o0928692509; pt4_token=Lub2nMWbTLfbx0TYxH*uyDBOU4tEBXvKvv0JNQRQuGo_; p_skey=MxE5cMJA2xHQ8BXgpbVqSL3hgeoEfcq-quN1kvcUrcQ_; pgv_info=ssid=s7150557986; Loading=Yes; qz_screen=1366x768; qqmusic_uin=; qqmusic_key=; qqmusic_fromtag=; qzmusicplayer=qzone_player_928692509_1509368391144; QZ_FE_WEBP_SUPPORT=1; cpu_performance_v8=6";
    //设定 HTTP 请求中"Cookie: "部分的内容。多个 cookie 用分号分隔，分号后带一个空格(例如， "fruit=apple; colour=red")。
    curl_setopt($ch, CURLOPT_COOKIE, $cookieStr);

    $output = curl_exec($ch);
    if($output === false){
                //记录curl请求失败的详情
        $errorInfo = "cURL Error: ".curl_error($ch);
        file_put_contents('curl_error_'.date('YmdHis').'.txt', $errorInfo);
    }
    
    curl_close($ch);

    return $output;
}

采集效果一览