http://www.xunsearch.com/scws/download.php
http://www.xunsearch.com/scws/docs.php#instscws
安装分词:scws
wget http://www.xunsearch.com/scws/down/scws-1.2.3.tar.bz2
tar -xjvf scws-1.2.3.tar.bz2
cd scws-1.2.3
cd /data/file/soft/src/scws-1.2.3
./configure --prefix=/usr/local/scws ; make ; make install
ls -al /usr/local/scws/lib/libscws.la
/usr/local/scws/bin/scws -h
cd /usr/local/scws/etc
安装php分词：php-scws
cd /data/file/soft/src/scws-1.2.3
cp -a phpext /usr/src/php/ext/
cd /usr/src/php/ext
mv phpext scws
docker-php-ext-install scws
使用说明
**例子1** 使用类方法分词
```php
<?php
$so = scws_new();
$so->set_charset('utf-8');
// 这里没有调用 set_dict 和 set_rule 系统会自动试调用 ini 中指定路径下的词典和规则文件
$so->send_text("我是一个中国人,我会C++语言,我也有很多T恤衣服");
while ($tmp = $so->get_result())
{
print_r($tmp);
}
$so->close();
?>```
**例子2** 使用函数提取高频词
```php
<?php
$sh = scws_open();
scws_set_charset($sh, 'utf-8');
scws_set_dict($sh, '/usr/local/scws/etc/dict.utf8.xdb');
scws_set_rule($sh, '/usr/local/scws/etc/rules.utf8.ini');
$text = "我是一个中国人，我会C++语言，我也有很多T恤衣服";
scws_send_text($sh, $text);
$top = scws_get_tops($sh, 5);
print_r($top);
?>
```
例子3：
//实例化分词插件核心类
$so = scws_new();
//设置分词时所用编码
$so->set_charset('utf-8');
//设置分词所用词典(此处使用utf8的词典)
$so->set_dict('/usr/local/scws/etc/dict.utf8.xdb');
//设置分词所用规则
$so->set_rule('/usr/local/scws/etc/rules.utf8.ini ');
//分词前去掉标点符号
$so->set_ignore(true);
//是否复式分割，如“中国人”返回“中国＋人＋中国人”三个词。
$so->set_multi(true);
//设定将文字自动以二字分词法聚合
$so->set_duality(true);
//要进行分词的语句
$so->send_text(“欢迎来到火星时代IT开发”);
//获取分词结果，如果提取高频词用get_tops方法
while ($tmp = $so->get_result())
{
print_r($tmp);
}
$so->close();> **注意** 为方便使用，当 `SimpleCWS::send_text` 方法或 `scws_send_text()` 函数被调用前并且没有
> 加载任何词典和规则集时，系统会自动在 `scws.default.fpath` (ini配置)目录中查找相应的字符集词典。
> 词典和规则文件的命名方式为 dict[.字符集].xdb 和 rules[.字符集].ini ，当字符集是 gbk 时中括号里面的
> 部分则不需要，直接使用 dict.xdb 和 rules.ini 而不是 dict.gbk.xdb 。
>
> 此外，输入的文字，词典、规则文件这三者的字符集必须统一，如果不是默认的 gbk 字符集请调用
> `SimpleCWS::set_charset` 或 `scws_set_charset` 来设定，否则可能出现意外错误。
函数详解
--------
1. `mixed scws_new(void)` 创建并返回一个 `SimpleCWS` 类操作对象。
> **返回值** 成功返回类操作句柄，失败返回 false。
2. `mixed scws_open(void)` 创建并返回一个分词操作句柄。
> **返回值** 成功返回 scws 操作句柄，失败返回 false。
3. `bool scws_close(resource scws_handle)`
`SimpleCWS::close(void)` 关闭一个已打开的 scws 分词操作句柄。
> **参数 scws_handle** 即之前由 scws_open 打开的返回值。
> **返回值** 始终为 true
> **注意** 后面的 API 中省去介绍 scws_handle 参数，含义和本函数相同。
4. `bool scws_set_charset(resource scws_handle, string charset)`
`bool SimpleCWS::set_charset(string charset)` 设定分词词典、规则集、欲分文本字符串的字符集。
> **参数 charset** 要新设定的字符集，目前只支持 utf8 和 gbk。（注：默认为 gbk，utf8不要写成utf-8）
> **返回值** 始终为 true
5. `bool scws_add_dict(resource scws_handle, string dict_path [, int mode])`
`bool SimpleCWS::add_dict(string dict_path [, int mode])` 添加分词所用的词典，新加入的优先查找。
> **参数 dict_path** 词典的路径，可以是相对路径或完全路径。（遵循安全模式下的 open_basedir）
> **参数 mode** 可选，表示加载的方式。其值有：
>
> - SCWS_XDICT_TXT 表示要读取的词典文件是文本格式，可以和后2项结合用
> - SCWS_XDICT_XDB 表示直接读取 xdb 文件（此为默认值）
> - SCWS_XDICT_MEM 表示将 xdb 文件全部加载到内存中，以 XTree 结构存放，可用异或结合另外2个使用。
>
> **返回值** 成功返回 true 失败返回 false
6. `bool scws_set_dict(resource scws_handle, string dict_path [, int mode])`
`bool SimpleCWS::set_dict(string dict_path [, int mode])` 设定分词所用的词典并清除已存在的词典列表。
> **参数 dict_path** 词典的路径，可以是相对路径或完全路径。（遵循安全模式下的 open_basedir）
> **参数 mode** 可选，表示加载的方式。参见 `scws_add_dict`
> **返回值** 成功返回 true 失败返回 false
7. `bool scws_set_rule(resource scws_handle, string rule_path)`
`bool SimpleCWS::set_rule(string rule_path)` 设定分词所用的新词识别规则集（用于人名、地名、数字时间年代等识别）。
> **参数 rule_path** 规则集的路径，可以是相对路径或完全路径。（遵循安全模式下的 open_basedir）
> **参数 mode** 可选，表示加载的方式。参见 `scws_add_dict`
> **返回值** 成功返回 true 失败返回 false
8. `bool scws_set_ignore(resource scws_handle, bool yes)`
`bool SimpleCWS::set_ignore(bool yes)` 设定分词返回结果时是否去除一些特殊的标点符号之类。
> **参数 yes** 设定值，如果为 true 则结果中不返回标点符号，如果为 false 则会返回，缺省为 false。
> **返回值** 始终为 true
9. `bool scws_set_multi(resource scws_handle, int mode)`
`bool SimpleCWS::set_multi(bool yes)` 设定分词返回结果时是否复式分割，如“中国人”返回“中国＋人＋中国人”三个词。
> **参数 mode** 复合分词法的级别，缺省不复合分词。取值由下面几个常量异或组合（也可用 1-15 来表示）：
>
> - SCWS_MULTI_SHORT (1)短词
> - SCWS_MULTI_DUALITY (2)二元（将相邻的2个单字组合成一个词）
> - SCWS_MULTI_ZMAIN (4)重要单字
> - SCWS_MULTI_ZALL (8)全部单字
>
> **返回值** 始终为 true
10. `bool scws_set_duality(resource scws_handle, bool yes)`
`bool SimpleCWS::set_duality(bool yes)` 设定是否将闲散文字自动以二字分词法聚合
> **参数 yes** 设定值，如果为 true 则结果中多个单字会自动按二分法聚分，如果为 false 则不处理，缺省为 false。
> **返回值** 始终为 true
11. `bool scws_send_text(resource scws_handle, string text)`
`bool SimpleCWS::send_text(string text)` 发送设定分词所要切割的文本。
> **参数 text** 要切分的文本的内容。
> **返回值** 成功返回 true 失败返回 false
> **注意** 系统底层处理方式为对该文本增加一个引用，故不论多长的文本并不会造成内存浪费；
> 执行本函数时，若未加载任何词典和规则集，则会自动试图在 ini 指定的缺省目录下查找缺省字符集的词典和规则集。
12. `mixed scws_get_result(resource scws_handle)`
`mixed SimpleCWS::get_result()` 根据 send_text 设定的文本内容，返回一系列切好的词汇。
> **返回值** 成功返回切好的词汇组成的数组，若无更多词汇，返回 false。返回的词汇包含的键值如下：
>
> - word _string_ 词本身
> - idf _float_ 逆文本词频
> - off _int_ 该词在原文本路的位置
> - attr _string_ 词性
>
> **注意** 每次切词后本函数应该循环调用，直到返回 false 为止，因为程序每次返回的词数是不确定的。
13. `mixed scws_get_tops(resource scws_handle [, int limit [, string attr]])`
`mixed SimpleCWS::get_tops([int limit [, string attr]])` 根据 send_text 设定的文本内容，返回系统计算出来的最关键词汇列表。
> **参数 limit** 可选参数，返回的词的最大数量，缺省是 10
> **参数 attr** 可选参数，是一系列词性组成的字符串，各词性之间以半角的逗号隔开，
> 这表示返回的词性必须在列表中，如果以~开头，则表示取反，词性必须不在列表中，缺省为NULL，返回全部词性，不过滤。
> **返回值** 成功返回统计好的的词汇组成的数组，返回 false。返回的词汇包含的键值如下：
>
> - word _string_ 词本身
> - times _int_ 词在文本中出现的次数
> - weight _float_ 该词计算后的权重
> - attr _string_ 词性
14. `mixed scws_get_words(resource scws_handle, string attr)`
`mixed SimpleCWS::get_words(string attr)` 根据 send_text 设定的文本内容，返回系统中词性符合要求的关键词汇。
> **参数 attr** 是一系列词性组成的字符串，各词性之间以半角的逗号隔开，
> 这表示返回的词性必须在列表中，如果以~开头，则表示取反，词性必须不在列表中，若为空则返回全部词。
> **返回值** 成功返回符合要求词汇组成的数组，返回 false。返回的词汇包含的键值参见 `scws_get_result`
15. `bool scws_has_words(resource scws_handle, string attr)`
`mixed SimpleCWS::has_words(string attr)` 根据 send_text 设定的文本内容，返回系统中是否包括符合词性要求的关键词。
> **参数 attr** 是一系列词性组成的字符串，各词性之间以半角的逗号隔开，
> 这表示返回的词性必须在列表中，如果以~开头，则表示取反，词性必须不在列表中，若为空则返回全部词。
> **返回值** 如果有则返回 true，没有就返回 false。
16. `string scws_version(void)`
`string SimpleCWS::version(void)` 返回 scws 版本号名称信息（字符串）。
