中文分词引擎LibMMSeg的php扩展

1. php5.4 以上版本 （其他版本目前还没有测试）
2. LibMMSeg 3.2.14版本 http://www.coreseek.cn/opensource/mmseg/

    关于mmseg的安装，参考 http://www.coreseek.cn/products/products-install/

1. 首先安装LibMMSeg

cd coreseek-4.1-beta/mmseg-3.2.14
./configure --prefix=/opt/
make 
sudo make install

2. 安装php-mmseg

cd php-mmseg/mmseg
phpize
./configure --with-mmseg=/opt
make
sudo make install

3. 配置php-mmseg

   在php.ini中增加

   extension=mmseg.so
   mmseg.dict_dir=/opt/etc
   
   

   注意， mmseg.dict_dir 配置的是mmseg配置文件和字典所在目录的地址

1. 全局字典模式

   该模式引入全文的字典文件，不需要每次调用分词代码之前调用字典，但是要求必须在配置文件中配置好字典的目录

   $ret = mmseg_segment("你好，世界");
   var_dump($ret);

2. 在程序中引入字典

   $mmseg = mmseg_open("/opt/mmseg/etc");
   $ret = mmseg_segment($mmseg, "你好，世界");
   mmseg_close($mmseg);
   var_dump($ret);

   输出结果（使用mmseg默认的字典）

   array(3) {
     [0]=>
     string(6) "你好"
     [1]=>
     string(3) "，"
     [2]=>
     string(6) "世界"
   }

3. 生成字典文件

类似命令行的如下命令，

mmseg -u unigram.txt

我们可以使用下面的语句生成词典文件，其中第一个参数为要输入的源文本格式的词典文件， 如unigram.txt , 第二个参数为输出的供分词使用的词典文件

代码

$isDone = mmseg_gendict(dirname(__FILE__) . "/" . "unigram.txt", dirname(__FILE__) . "/" . "unigram.txt.uni" );

原文本格式的词典文件格式如下（参考LibMMSeg文档 : http://www.coreseek.cn/opensource/mmseg/ ）

河 187
x:187
造假者 1
x:1
台北队 1
x:1
湖边 1

本扩展由小声团队开发 http://xiaosheng.fm