【PHP】 jieba-php 中文分词快速使用手册 jieba-php 中文分词快速使用手册适用版本：PHP7.1+ / PHP8.4 核心定位：轻量无扩展、开箱即用的PHP中文分词组件，支持简繁/多语言、关键词提取、自定义词典 项目地址：https://github.com/fukuball/jieba-php目录快速安装（推荐方式）组件初始化（必做步骤）核心功能快速示例（可直接复制）高频实用技巧开发注意事项（避坑重点）1. 快速安装仅保留Composer自动安装（推荐，自动管理依赖，无需手动引入文件），执行终端命令：composer require fukuball/jieba-php2. 组件初始化所有功能执行前必须先初始化，提供2种初始化模式，按需选择，代码可直接复制到PHP脚本中。基础初始化（默认大字典，支持简繁/全功能）<?php // 引入自动加载（Composer安装后必加） require_once __DIR__ . '/vendor/autoload.php'; // 引入核心类 use Fukuball\Jieba\Jieba; use Fukuball\Jieba\Finalseg; // 初始化（处理大文本可调整内存限制，非必需） ini_set('memory_limit', '512M'); Jieba::init(); Finalseg::init();轻量初始化（小字典，加载更快，适配轻量场景）// 替换基础初始化的Jieba::init()即可 Jieba::init(['mode'=>'test', 'dict'=>'small']); Finalseg::init();3. 核心功能快速示例所有示例均基于已完成初始化，代码极简可直接运行，附带核心输出结果。3.1 基础分词（三种核心模式）jieba-php的核心能力，覆盖90%基础分词场景// 1. 精确模式（默认，无歧义切分，适合文本分析）★★★最常用 $res1 = Jieba::cut("我来到北京清华大学"); var_dump($res1); // 输出：["我","来到","北京","清华大学"] // 2. 全模式（扫描所有可成词，存在冗余，适合全词汇提取） $res2 = Jieba::cut("我来到北京清华大学", true); var_dump($res2); // 输出：["我","来","来到","北京","清华","清华大学","华大","大学"] // 3. 搜索引擎模式（长词二次切分，提升召回率，适合搜索场景） $res3 = Jieba::cutForSearch("小明硕士毕业于中国科学院计算所"); var_dump($res3); // 输出：["小明","硕士","毕业","中国","科学","学院","科学院","中国科学院","计算","计算所"]3.2 加载自定义词典（补充专业术语/新词）解决专业词汇、专属名词被错误切分的问题，词典格式必须严格遵循。步骤1：创建自定义词典文件（如user_dict.txt）格式：词语 词频 词性（空格分隔，词频/词性可选，建议填写）创新办 5 n 云计算 10 n 李小福 3 nr步骤2：代码加载并使用// 加载自定义词典（初始化后执行） Jieba::loadUserDict(__DIR__ . '/user_dict.txt'); // 分词验证 $res = Jieba::cut("李小福是创新办主任，也是云计算专家"); var_dump($res); // 输出：["李小福","是","创新办","主任","也","是","云计算","专家"]3.3 TF-IDF关键词提取（文本核心词提取）适用于文章摘要、热词分析，需额外引入分析类，支持指定提取数量。// 引入关键词提取类 use Fukuball\Jieba\JiebaAnalyse; // 初始化分析组件（初始化核心类后执行） JiebaAnalyse::init(); // 提取前5个核心关键词（第二个参数为提取数量） $content = "自然语言处理是人工智能的重要分支，中文分词是自然语言处理的基础步骤，jieba-php是优秀的PHP分词工具"; $tags = JiebaAnalyse::extractTags($content, 5); var_dump($tags); // 输出：["自然语言处理","中文分词","人工智能","jieba","php"]3.4 繁体中文分词无需额外配置，仅需基础初始化（默认大字典），直接对繁体文本分词，兼容简繁混合场景。// 繁体分词 $res1 = Jieba::cut("憐香惜玉也得要看對象啊！"); var_dump($res1); // 输出：["憐香惜玉","也","得","要","看","對象","啊"] // 简繁混合 $res2 = Jieba::cut("我喜歡吃芒果，憐香惜玉是美德"); var_dump($res2); // 输出：["我","喜歡","吃","芒果","，","憐香惜玉","是","美德"]4. 高频实用技巧4.1 清除缓存释放内存（处理大量文本/多文件必用）避免多次分词后内存溢出，在文本处理间隙执行：Jieba::clearCache(); // 清除核心缓存 // 或彻底清除所有缓存 // Fukuball\Jieba\JiebaMemory::clearAllCaches();4.2 关键词提取过滤停用词（提升准确性）创建停用词文件（如stop_words.txt，每行一个停用词：的、是、也、啊），加载后过滤无意义词汇：// 加载停用词（提取关键词前执行） JiebaAnalyse::setStopWords(__DIR__ . '/stop_words.txt'); // 再执行关键词提取，会自动过滤停用词 $tags = JiebaAnalyse::extractTags($content, 5);4.3 获取词汇在原文的位置（文本定位分析）返回词汇+起止下标，适用于文本高亮、定位场景：$res = Jieba::tokenize("永和服装饰品有限公司"); var_dump($res); // 输出示例：[["word"=>"永和","start"=>0,"end"=>2],["word"=>"服装","start"=>2,"end"=>4],...]5. 开发注意事项（避坑重点）内存配置：处理超大文本（如万字以上），需在初始化前添加ini_set('memory_limit', '1024M')，避免内存溢出；字典选择：轻量场景（如小程序/简单分词）用small字典，繁体/专业场景用默认大字典，不建议混用；Web环境优化：PHP-FPM/Web项目中，建议将初始化放在全局入口（如index.php），避免每次请求重复初始化，提升性能；无扩展依赖：纯PHP实现，无需安装任何PHP扩展（如mbstring需开启，PHP默认已开启），直接运行。