手把手教你做關鍵詞匹配項目（搜尋引擎）---- 第二十一天，教你做第二十一天_PHP教程

手把手教你做關鍵詞匹配項目（搜尋引擎）---- 第二十一天，教你做第二十一天

客串：屌絲的坑人表單神器、資料庫那點事兒

物件導向升華：物件導向的認識----新生的初識、物件導向的番外----思想的夢遊篇（1）、物件導向的認識---如何找出類

負載平衡：負載平衡----概念認識篇、負載平衡----實現配置篇（Nginx）

吐槽：現在欠的文章有物件導向的認識----類的轉化、物件導向的番外---思想的夢遊篇（2）、負載平衡 ---- 檔案服務策略、手把手教你做關鍵詞匹配項目（搜尋引擎）。真心太多了，能不能讓我休息一會兒。

第二十一天

起點：手把手教你做關鍵詞匹配項目（搜尋引擎）---- 第一天

回顧：手把手教你做關鍵詞匹配項目（搜尋引擎）---- 第二十天

今天有個理論知識要理解的，叫做測試驅動編程，之前我提到過概念，在：手把手教你做關鍵詞匹配項目（搜尋引擎）---- 第十一天

今天小帥帥秀逗了一回，使用了這個思想。

好了，以下本文開始。

話說小帥帥把自己寫的業務拆詞方法給了於老大看，於老大很高興。

但是業務拆詞的片語都是有限的，還有就是當業務拆詞的資料量越來越大的時候，就會造成運算時間增加。

於老大就提到,是否可以用其它分詞擴充來彌補拆詞的不足。

畢竟人家專業人士做的，比較靠譜點。

於老大很有經驗，就推薦小帥帥去瞭解SCWS的用法.

SCWS 是 Simple Chinese Word Segmentation 的首字母縮寫（即：簡易中文分詞系統）。
官方網址：http://www.xunsearch.com/scws/index.php

小帥帥聽了當然很開心羅，因為又有新的知識點了。

小帥帥照著SCWS的安裝文檔安裝了SCWS。

並把php擴充裝好了，並嘗試寫了個測試代碼：

phpclass TestSCWS {    public static function split($keyword){        if (!extension_loaded("scws")) {            throw new Exception("scws extension load fail");        }        $so = scws_new();        $so->set_charset('utf8');        $so->send_text($keyword);        $ret = array();        while ($res = $so->get_result()) {            foreach ($res as $tmp) {                if (self::isValidate($tmp)) {                    $ret[] = $tmp;                }            }        }        $so->close();        return $ret;    }    public static function isValidate($scws_words)    {        if ($scws_words['len'] == 1 && ($scws_words['word'] == "\r" || $scws_words['word'] == "\n")) {            return false;        }        return true;    }}var_dump(TestSCWS::split("連衣裙xxl裙連衣裙"));

測試通過，跟理想中的一摸一樣，小帥帥很高興，就去問於老大：於老大我會用SCWS了，下一步該怎麼辦？

於老大也不慌，就對小帥帥說: 你先寫個ScwsSplitter來拆分關鍵詞吧。

小帥帥非常高興，因為他學到了新的知識，就對於老大說到好的。

小帥帥說到做到，代碼如下：

class ScwsSplitter {    public $keyword;        public function split(){        if (!extension_loaded("scws")) {            throw new Exception("scws extension load fail");        }        $keywordEntity = new KeywordEntity($this->keyword);        $so = scws_new();        $so->set_charset('utf8');        $so->send_text($this->keyword);               while ($res = $so->get_result()) {            foreach ($res as $tmp) {                if ($this->isValidate($tmp)) {                    $keywordEntity->addElement($tmp["word"]);                }            }        }        $so->close();        return $keywordEntity;    }    public function isValidate($scws_words)    {        if ($scws_words['len'] == 1 && ($scws_words['word'] == "\r" || $scws_words['word'] == "\n")) {            return false;        }        return true;    }    }

小帥帥又跑去找於老大，說到：我把Scws的分詞代碼寫好了。

於老大也佩服小帥帥的高效率。

又說到：如果我兩個同時用了，我先用業務分詞，遺留下來的詞用Scws分詞，小帥帥有好的方案嗎？

小帥帥就問到: 為啥要這樣,這不是多此一舉。

於老大就說到：業務有些專有名詞，SCWS分不出來丫，那怎麼辦好？

小帥帥又說到：我看文檔的時候看到有詞庫和規則檔案的設定，我們用它好不好?

於老大又說到：這個是可以，但是我們如何保證讓運營人員維護，我們要學會把這些事情交出去丫。

小帥帥: …….

小帥帥沉默了片刻，覺得現在兩個類都寫了，一起用是最快的方案，就答應到：好吧，我回去改改….

首先小帥帥根據測試驅動編程的思想寫了入口代碼:

class SplitterApp {    public static function split($keyword,$cid){        $keywordEntity = new KeywordEntity($keyword);        #業務分詞        $termSplitter = new TermSplitter($keywordEntity);        $seg = new DBSegmentation();        $seg->cid = $cid;        $termSplitter->setDictionary($seg->transferDictionary());        $termSplitter->split();        #SCWS分詞        $scwsSplitter = new ScwsSplitter($keywordEntity);        $scwsSplitter->split();        #後續遺留單詞或者片語處理        $elementWords = $keywordEntity->getElementWords();        $remainKeyword = str_replace($elementWords, "::", $keywordEntity->keyword);        $remainElements = explode("::", $remainKeyword);        foreach($remainElements as $element){            if(!empty($element))                $keywordEntity->addElement($element);        }
　　　　　return $keywordEntity;    }}

小帥帥嘿了一聲，有了測試入口，還怕其他的搞不定。

首先KeywordEntity的getElementWords，先搞定他.

class KeywordEntity{    public $keyword;    public $elements = array();    public function __construct($keyword)    {        $this->keyword = $keyword;    }    public function addElement($word, $times = 1)    {        if (isset($this->elements[$word])) {            $this->elements[$word]->times += $times;        } else            $this->elements[$word] = new KeywordElement($word, $times);    }    public function getElementWords()    {        $elementWords = array_keys($this->elements);        usort($elementWords, function ($a, $b) {            return (UTF8::length($a) < UTF8::length($b)) ? 1 : -1;        });        return $elementWords;    }    /**     * @desc 計算UTF8字串權重     * @param string $word     * @return float     */    public function calculateWeight($word)    {        $element = $this->elements[$word];        return ROUND(strlen($element->word) * $element->times / strlen($this->keyword), 3);    }}class KeywordElement{    public $word;    public $times;    public function __construct($word, $times)    {        $this->word = $word;        $this->times = $times;    }}

其次就是分詞了，首先先抽出公用類先，Splitter變成了公用類，有哪些方法呢？

　　1. 抽象split方法

2. 擷取關鍵詞待拆分的片語

3. 是否需要拆分

按照這寫，小帥帥寫出了以下代碼：

abstract class Splitter {    /**     * @var KeywordEntity $keywordEntity     */    public $keywordEntity;    public function __construct($keywordEntity){        $this->keywordEntity = $keywordEntity;    }    public abstract function split();    /**     * 擷取未分割的字串,過濾單詞     *     * @return array     */    public function getRemainKeywords()    {        $elementWords = $this->keywordEntity->getElementWords();        $remainKeyword = str_replace($elementWords, "::", $this->keywordEntity->keyword);        $remainElements = explode("::", $remainKeyword);        $ret = array();        foreach ($remainElements as $element) {            if ($this->isSplit($element)) {                $ret[] = $element;            }        }        return $ret;    }    /**     * 是否需要拆分     *     * @param $element     * @return bool     */    public function isSplit($element)    {        if (UTF8::isPhrase($element)) {            return true;        }        return false;    }}

然後小帥帥繼續實現業務拆分演算法，以及Scws拆分演算法。小帥帥淫笑了，這點小事情還是可以辦到的。

class TermSplitter extends Splitter {    private $dictionary = array();    public function setDictionary($dictionary = array())    {        usort($dictionary, function ($a, $b) {            return (UTF8::length($a) < UTF8::length($b)) ? 1 : -1;        });        $this->dictionary = $dictionary;    }    public function getDictionary()    {        return $this->dictionary;    }    /**     * 把關鍵詞拆分成片語或者單詞     *     * @return KeywordScore[] $keywordScores     */    public function split()    {        foreach ($this->dictionary as $phrase) {            $remainKeyword = implode("::",$this->getRemainKeywords());            $matchTimes = preg_match_all("/$phrase/", $remainKeyword, $matches);            if ($matchTimes > 0) {                $this->keywordEntity->addElement($phrase, $matchTimes);            }        }    }}class ScwsSplitter extends Splitter{    public function split()    {        if (!extension_loaded("scws")) {            throw new Exception("scws extension load fail");        }        $remainElements = $this->getRemainKeywords();        foreach ($remainElements as $element) {            $so = scws_new();            $so->set_charset('utf8');            $so->send_text($element);            while ($res = $so->get_result()) {                foreach ($res as $tmp) {                    if ($this->isValidate($tmp)) {                        $this->keywordEntity->addElement($tmp['word']);                    }                }            }            $so->close();        }    }    /**     * @param array $scws_words     * @return bool     */    public function isValidate($scws_words)    {        if ($scws_words['len'] == 1 && ($scws_words['word'] == "\r" || $scws_words['word'] == "\n")) {            return false;        }        return true;    }}

小帥帥終於把這些代碼全部搞定了，高興之餘，他還順手畫了UML圖送給大家：

小帥帥的成長真心夠厲害的哦，於老大看後，連稱讚了三次。

為了測試，小帥帥寫了測試代碼,代碼如下:

class SplitterAppTest {    public static function split($keyword){        $keywordEntity = new KeywordEntity($keyword);        #業務分詞        $termSplitter = new TermSplitter($keywordEntity);        $seg = new TestSegmentation();        $termSplitter->setDictionary($seg->transferDictionary());        $termSplitter->split();        #SCWS分詞        $scwsSplitter = new ScwsSplitter($keywordEntity);        $scwsSplitter->split();        #後續遺留單詞或者片語處理        $elementWords = $keywordEntity->getElementWords();        $remainKeyword = str_replace($elementWords, "::", $keywordEntity->keyword);        $remainElements = explode("::", $remainKeyword);        foreach($remainElements as $element){            if(!empty($element))                $keywordEntity->addElement($element);        }       return $keywordEntity;    }}SplitterAppTest::split("連衣裙xl裙寬衣裙");

小帥帥意淫著，想到總有一天把你們踩在腳下。

手把手教你做，很適合上班族與學生想發大財的就不要來了，賺個話費

　　每個人一生中都擁有一副好牌，可惜的是許多人都把它浪費了，手上握有一副富人的牌，卻把自己打成了一個窮人。
　　許多人心靈上都沾滿了消極的灰塵，失望的汙泥和貧窮落後的思想，甚至還怨恨的種子，這樣你就永遠不會快樂和富有的。窮人：致富和做生意到底有沒有什麼秘訣？
　　富人：每件事情都 有它不同的內在規律，所謂的秘訣實際上就只是那麼一點點東西。
　　九十九度加一度，水就開了。開水與溫水的區別是這麼一度。有些事情之所以會有天壤之別，往往就是因為這微不足道的一度。我在報上看到這麼一件事。
　　兩個下崗女工，各在路邊開了一個早點鋪，都賣包子和油茶。一個生意逐漸興旺，一個30天后收了攤，據說原因是一個雞蛋的問題。
　　生意逐漸興旺的那家，每當顧客到來時，總是問在油茶裡打一個雞蛋還是兩個雞蛋；垮掉的那一家問的是要不要。兩種不同的問法總能使第一家賣出較多的雞蛋。雞蛋賣出得多，盈利就大，就付得起各項費用，生意也就做了下去。雞蛋賣得少的，盈利少，去掉費用不賺錢，攤子只好收合。成功與失敗之間僅一個雞蛋的區別。
　　名滿天下的可口可樂中，百分之九十九的是水、糖、碳酸和*，世界上一切飲料的構成也大概如此。然而在可口可樂中有1％的東西是其他絕對有的，據說就是這個神秘的1％，使它每年有4億多美的純利潤，而其他品牌的飲料，每年有8000萬美的收入就算滿意了。
　　在這世界上成與敗之間的距離就這麼一點點，所謂秘訣也就這一點點，但就這一點點東西是最寶貴的，許多人要用多次的失敗才換回它，然後走向成功。窮人：如果知道了某種生意的秘訣，然後從事這個項目就容易成功嗎？
　　富人：各種生意都有自己的小秘密，誰也不會把這小秘密告訴別人，因為有的是不能擺到案頭上的，另外也怕被別人學走了，他們都把它列入了祖傳秘方。那個診所的朋友，他告訴我，一個診所要賺錢，原則上：一要便宜，二要有效。但你如果死照這原則做，是不了錢的。既然便宜你收費就不能貴，有效話，病一次就看好了，這樣賺的錢除了打點主管部門、房租、員工工資，以及七七八八的社會各種收費所剩無幾了……不如剩早關門。你要從事什麼行業，你就要先去跟從事這行業的人做朋友或先到他那裡做僱員最好同，用心就能學到這個祖傳秘方。這比自己損失了不少時間在實踐中慢慢摸索要合算得多。
　　小老闆做事，中老闆做市，大老闆做勢！
　　我們許多人用體力賺錢，不少人用技術賺錢，很少人用知識賺錢，極少人是用智慧賺錢的。在財富時代，智慧的人太少太少，有智慧又能抓住商機的人更是鳳毛麟角。只要我們開動腦筋，發揮智慧，就可以把握機會，成為財富的主人。
 

手把手教你做兼職，很適合上班族與學生想發大財的就不要來了，賺個話費

？？？
 

http://www.bkjia.com/PHPjc/874526.htmlwww.bkjia.comtruehttp://www.bkjia.com/PHPjc/874526.htmlTechArticle手把手教你做關鍵詞匹配項目（搜尋引擎）---- 第二十一天，教你做第二十一天 客串：屌絲的坑人表單神器、資料庫那點事兒 物件導向升華...

