安裝scws的方法

小編給大家分享一下安裝scws的方法，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討吧！

centOs 環境下安裝 scws

1、安裝 bzip2 及 gcc gcc-c++
yum install bzip2
yum -y install gcc gcc-c++
2、下載  scws-1.2.3 的代碼
wget http://www.xunsearch.com/scws/down/scws-1.2.3.tar.bz2
3、解壓
tar xvjf scws-1.2.3.tar.bz2
4、安裝
cd scws-1.2.3
./configure --prefix=/usr/local/scws
make ; 
make install
順利的話已經編譯并安裝成功到 /usr/local/scws 中了，執行下面命令看看文件是否存在
ls -al /usr/local/scws/lib/libscws.la
5、用 wget 下載并解壓詞典，或從主頁下載然后自行解壓再將 *.xdb 放入 /usr/local/scws/etc 目錄中
cd /usr/local/scws/etc
wget http://www.xunsearch.com/scws/down/scws-dict-chs-gbk.tar.bz2
wget http://www.xunsearch.com/scws/down/scws-dict-chs-utf8.tar.bz2
tar xvjf scws-dict-chs-gbk.tar.bz2
tar xvjf scws-dict-chs-utf8.tar.bz2
6、php擴展
如果您需要在 php 中調用分詞，建議繼續閱讀本文安裝 php 擴展，否則可跳過不看。
假設您已經將 scws 按上述步驟安裝到 /usr/local/scws 中。
安裝此擴展要求您的 php 和系統環境安裝了相應的 autoconf automake 工具及 phpize 。
1) 進入源碼目錄的 phpext/ 目錄 
cd /var/scws-1.2.3/phpext
2) 執行 phpize （在PHP安裝目錄的bin/目錄下）[沒有安裝phpize 使用 yum install php-devel 安裝]
3) 執行 ./configure --with-scws=/usr/local/scws 
4) 若 php 安裝在特殊目錄 $php_prefix, 則請在 configure 后加上 --with-php-config=$php_prefix/bin/php-config
5) 在 php.ini [/etc/php.ini] 中加入以下幾行
[scws]
extension = scws.so
scws.default.charset = utf8
scws.default.fpath = /usr/local/scws/etc

Windows 環境下安裝 scws

php 擴展下載地址
1. 根據您當前用的 PHP 版本，下載相應已編譯好的 php_scws.dll 擴展庫。
   目前支持 PHP-4.4.x 和 PHP-5.2.x 系列，下載地址分別為：
   php-4.4.x: http://www.xunsearch.com/scws/down/php-4.4.x/php_scws.dll
   php-5.2.x: http://www.xunsearch.com/scws/down/php-5.2.x/php_scws.dll
   php-5.3.x: http://www.xunsearch.com/scws/down/php-5.3.x/php_scws.dll
2. 將下載后的  php_scws.dll 放到 php 安裝目錄的
   extensions/ 目錄中去（通常為：X:/php/extensions/或 X:/php/ext/）。
3. 建立一個本地目錄放規則集文件和詞典文件，建議使用：C:/program files/scws/etc
4. 從 scws 主頁上下載詞典文件，解壓后將 *.xdb 放到上述目錄中
   詞典系列：http://www.xunsearch.com/scws/down/scws-dict-chs-gbk.tar.bz2
           http://www.xunsearch.com/scws/down/scws-dict-chs-utf8.tar.bz2
           http://www.xunsearch.com/scws/down/scws-dict-cht-utf8.tar.bz2
5. 從 scws 主頁上下載規則集文件，解壓后將 *.ini 放到第 3 步建立的目錄
   規則集文件壓縮包：http://www.xunsearch.com/scws/down/rules.tgz
   解壓后有三個文件分別為 rules.ini  rules.utf8.ini rules_cht.utf8.ini
   將三件文件拷到第 3 步所述的目錄中
6. 修改 php.ini 通常位于 C:/windows/php.ini 或 C:/winnt/php.ini 之類的目錄，
   在 php.ini 的末尾加入以下幾行：
[scws]
;
; 注意請檢查 php.ini 中的 extension_dir 的設定值是否正確, 否則請將 extension_dir 設為空，
; 再把 php_scws.dll 指定為絕對路徑。
;
extension = php_scws.dll
scws.default.charset = gbk
scws.default.fpath = "c:/program files/scws/etc"
5. 重開 web 服務器即可完成。

php 代碼

php 代碼
<?php
$so = scws_new();
//$so->set_charset('utf-8');
// 這里沒有調用 set_dict 和 set_rule 系統會自動試調用 ini 中指定路徑下的詞典和規則文件
$so->send_text("我是一個中國人,我會C++語言,我也有很多T恤衣服 name is hai");
while ($tmp = $so->get_result())
{
  print_r($tmp);
}
$so->close();
?>
預定義常量
-----------
* `SCWS_XDICT_XDB`  詞典文件為 XDB
* `SCWS_XDICT_MEM`  將詞典全部加載到內存里
* `SCWS_XDICT_TXT`  詞典文件為 TXT（純文本）
* `SCWS_MULTI_NONE`     不進行復合分詞
* `SCWS_MULTI_SHORT` 短詞復合  
* `SCWS_MULTI_DUALITY`   散字二元復合
* `SCWS_MULTI_ZMAIN` 重要單字
* `SCWS_MULTI_ZALL`     全部單字
預定義類
---------
這是一個類似 `Directory` 的內置式偽類操作，類方法建立請使用 `scws_new()` 函數，而不能直接用 `new SimpleCWS`。
否則不會包含有 handle 指針，將無法正確操作。它包含的方法有：
```php
class SimpleCWS  {
  resource handle;
  bool close(void);
  bool set_charset(string charset)
  bool add_dict(string dict_path[, int mode = SCWS_XDICT_XDB])
  bool set_dict(string dict_path[, int mode = SCWS_XDICT_XDB])
  bool set_rule(string rule_path)
  bool set_ignore(bool yes)
  bool set_multi(int mode)
  bool set_duality(bool yes)
  bool send_text(string text)
  mixed get_result(void)
  mixed get_tops([int limit [, string xattr]])
  bool has_word(string xattr)
  mixed get_words(string xattr)
  string version(void)
};
```
> **注意** 類方法的用與支 scws_xxx_xxx 系列函數用法一致，只不過免去第一參數，
> 故不另外編寫說明，請參見函數列表即可。
**例子1** 使用類方法分詞
```php
<?php
$so = scws_new();
$so->set_charset('gbk');
// 這里沒有調用 set_dict 和 set_rule 系統會自動試調用 ini 中指定路徑下的詞典和規則文件
$so->send_text("我是一個中國人,我會C++語言,我也有很多T恤衣服");
while ($tmp = $so->get_result())
{
  print_r($tmp);
}
$so->close();
?>
```
**例子2** 使用函數提取高頻詞
```php
<?php
$sh = scws_open();
scws_set_charset($sh, 'gbk');
scws_set_dict($sh, '/path/to/dict.xdb');
scws_set_rule($sh, '/path/to/rules.ini');
$text = "我是一個中國人，我會C++語言，我也有很多T恤衣服";
scws_send_text($sh, $text);
$top = scws_get_tops($sh, 5);
print_r($top);
?>
```
> **注意** 為方便使用，當 `SimpleCWS::send_text` 方法或 `scws_send_text()` 函數被調用前并且沒有
> 加載任何詞典和規則集時，系統會自動在 `scws.default.fpath` (ini配置)目錄中查找相應的字符集詞典。
> 詞典和規則文件的命名方式為 dict[.字符集].xdb 和 rules[.字符集].ini ，當字符集是 gbk 時中括號里面的
> 部分則不需要，直接使用 dict.xdb 和 rules.ini 而不是 dict.gbk.xdb 。
> 
> 此外，輸入的文字，詞典、規則文件這三者的字符集必須統一，如果不是默認的 gbk 字符集請調用 
> `SimpleCWS::set_charset` 或 `scws_set_charset` 來設定，否則可能出現意外錯誤。
函數詳解
--------
1. `mixed scws_new(void)` 創建并返回一個 `SimpleCWS` 類操作對象。
   > **返回值** 成功返回類操作句柄，失敗返回 false。
2. `mixed scws_open(void)` 創建并返回一個分詞操作句柄。
   > **返回值** 成功返回 scws 操作句柄，失敗返回 false。
3. `bool scws_close(resource scws_handle)`  
   `SimpleCWS::close(void)` 關閉一個已打開的 scws 分詞操作句柄。
   > **參數 scws_handle** 即之前由 scws_open 打開的返回值。  
   > **返回值** 始終為 true  
   > **注意** 后面的 API 中省去介紹 scws_handle 參數，含義和本函數相同。
4. `bool scws_set_charset(resource scws_handle, string charset)`  
   `bool SimpleCWS::set_charset(string charset)` 設定分詞詞典、規則集、欲分文本字符串的字符集。
   > **參數 charset** 要新設定的字符集，目前只支持 utf8 和 gbk。（注：默認為 gbk，utf8不要寫成utf-8）  
   > **返回值** 始終為 true
5. `bool scws_add_dict(resource scws_handle, string dict_path [, int mode])`
   `bool SimpleCWS::add_dict(string dict_path [, int mode])` 添加分詞所用的詞典，新加入的優先查找。
   > **參數 dict_path** 詞典的路徑，可以是相對路徑或完全路徑。（遵循安全模式下的 open_basedir）  
   > **參數 mode** 可選，表示加載的方式。其值有：
   >
   >   - SCWS_XDICT_TXT  表示要讀取的詞典文件是文本格式，可以和后2項結合用
   >   - SCWS_XDICT_XDB  表示直接讀取 xdb 文件（此為默認值）
   >   - SCWS_XDICT_MEM  表示將 xdb 文件全部加載到內存中，以 XTree 結構存放，可用異或結合另外2個使用。
   >
   > **返回值** 成功返回 true 失敗返回 false
6. `bool scws_set_dict(resource scws_handle, string dict_path [, int mode])`  
   `bool SimpleCWS::set_dict(string dict_path [, int mode])` 設定分詞所用的詞典并清除已存在的詞典列表。
   > **參數 dict_path** 詞典的路徑，可以是相對路徑或完全路徑。（遵循安全模式下的 open_basedir）  
   > **參數 mode** 可選，表示加載的方式。參見 `scws_add_dict`  
   > **返回值** 成功返回 true 失敗返回 false
7. `bool scws_set_rule(resource scws_handle, string rule_path)`  
   `bool SimpleCWS::set_rule(string rule_path)` 設定分詞所用的新詞識別規則集（用于人名、地名、數字時間年代等識別）。
   > **參數 rule_path** 規則集的路徑，可以是相對路徑或完全路徑。（遵循安全模式下的 open_basedir）  
   > **參數 mode** 可選，表示加載的方式。參見 `scws_add_dict`  
   > **返回值** 成功返回 true 失敗返回 false
8. `bool scws_set_ignore(resource scws_handle, bool yes)`  
   `bool SimpleCWS::set_ignore(bool yes)` 設定分詞返回結果時是否去除一些特殊的標點符號之類。
   > **參數 yes** 設定值，如果為 true 則結果中不返回標點符號，如果為 false 則會返回，缺省為 false。  
   > **返回值** 始終為 true
9. `bool scws_set_multi(resource scws_handle, int mode)`  
   `bool SimpleCWS::set_multi(bool yes)` 設定分詞返回結果時是否復式分割，如“中國人”返回“中國＋人＋中國人”三個詞。
   > **參數 mode** 復合分詞法的級別，缺省不復合分詞。取值由下面幾個常量異或組合（也可用 1-15 來表示）：
   >
   >   - SCWS_MULTI_SHORT   (1)短詞
   >   - SCWS_MULTI_DUALITY (2)二元（將相鄰的2個單字組合成一個詞）
   >   - SCWS_MULTI_ZMAIN   (4)重要單字
   >   - SCWS_MULTI_ZALL    (8)全部單字
   >
   > **返回值** 始終為 true
10. `bool scws_set_duality(resource scws_handle, bool yes)`  
    `bool SimpleCWS::set_duality(bool yes)` 設定是否將閑散文字自動以二字分詞法聚合
   > **參數 yes** 設定值，如果為 true 則結果中多個單字會自動按二分法聚分，如果為 false 則不處理，缺省為 false。  
   > **返回值** 始終為 true
11. `bool scws_send_text(resource scws_handle, string text)`  
    `bool SimpleCWS::send_text(string text)` 發送設定分詞所要切割的文本。
   > **參數 text** 要切分的文本的內容。  
   > **返回值** 成功返回 true 失敗返回 false  
   > **注意** 系統底層處理方式為對該文本增加一個引用，故不論多長的文本并不會造成內存浪費；
   > 執行本函數時，若未加載任何詞典和規則集，則會自動試圖在 ini 指定的缺省目錄下查找缺省字符集的詞典和規則集。
12. `mixed scws_get_result(resource scws_handle)`  
    `mixed SimpleCWS::get_result()` 根據 send_text 設定的文本內容，返回一系列切好的詞匯。
   > **返回值** 成功返回切好的詞匯組成的數組，若無更多詞匯，返回 false。返回的詞匯包含的鍵值如下：
   >
   >   - word _string_ 詞本身
   >   - idf _float_ 逆文本詞頻
   >   - off _int_ 該詞在原文本路的位置
   >   - attr _string_ 詞性
   >
   > **注意** 每次切詞后本函數應該循環調用，直到返回 false 為止，因為程序每次返回的詞數是不確定的。
13. `mixed scws_get_tops(resource scws_handle [, int limit [, string attr]])`  
    `mixed SimpleCWS::get_tops([int limit [, string attr]])` 根據 send_text 設定的文本內容，返回系統計算出來的最關鍵詞匯列表。
   > **參數 limit** 可選參數，返回的詞的最大數量，缺省是 10  
   > **參數 attr** 可選參數，是一系列詞性組成的字符串，各詞性之間以半角的逗號隔開，
   > 這表示返回的詞性必須在列表中，如果以~開頭，則表示取反，詞性必須不在列表中，缺省為NULL，返回全部詞性，不過濾。  
   > **返回值** 成功返回統計好的的詞匯組成的數組，返回 false。返回的詞匯包含的鍵值如下：
   >
   >   - word _string_ 詞本身
   >   - times _int_ 詞在文本中出現的次數
   >   - weight _float_ 該詞計算后的權重
   >   - attr _string_ 詞性
14. `mixed scws_get_words(resource scws_handle, string attr)`  
    `mixed SimpleCWS::get_words(string attr)` 根據 send_text 設定的文本內容，返回系統中詞性符合要求的關鍵詞匯。
   > **參數 attr** 是一系列詞性組成的字符串，各詞性之間以半角的逗號隔開，
   > 這表示返回的詞性必須在列表中，如果以~開頭，則表示取反，詞性必須不在列表中，若為空則返回全部詞。  
   > **返回值** 成功返回符合要求詞匯組成的數組，返回 false。返回的詞匯包含的鍵值參見 `scws_get_result`
15. `bool scws_has_words(resource scws_handle, string attr)`  
    `mixed SimpleCWS::has_words(string attr)` 根據 send_text 設定的文本內容，返回系統中是否包括符合詞性要求的關鍵詞。
   > **參數 attr** 是一系列詞性組成的字符串，各詞性之間以半角的逗號隔開，
   > 這表示返回的詞性必須在列表中，如果以~開頭，則表示取反，詞性必須不在列表中，若為空則返回全部詞。  
   > **返回值** 如果有則返回 true，沒有就返回 false。
16. `string scws_version(void)`  
    `string SimpleCWS::version(void)` 返回 scws 版本號名稱信息（字符串）。

看完了這篇文章，相信你對安裝scws的方法有了一定的了解，想了解更多相關知識，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！