Month: 2020年3月

“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();