自定义分词插件

命名空间要求

自定义分词类文件的命名空间：

namespace WindSearch\Plugin;

方法要求

自定义分词类要包含三个方法：

public function segmentAll($str,$is_idf=false) // 全分词

public function standard($str,$is_idf=false) // 精确分词

public function segmentNgram($str, $len); // ngram分词

segmentAll是全分词，standard是精确分词，segmentNgram是ngram分词，均返回分词后的terms数组；

//分词后，返回的数据结构
['term1','term2','...']

$is_idf参数决定是否同时返回每个term的idf值（idf值用于bm25分数计算），如果$is_idf=true，则返回的数据结构为：

[
    'terms' => ['term1','term2','...'],
    'idf' => [
        'term1' => 'idf1',
        'term2' => 'idf2'
        // ...
    ]
];

segmentNgram的$len参数表示窗口长度，例如2个字符，3个字符...

文件结构

自定义的分词插件要包含在一个文件夹内（不能是单文件的形式），然后将文件夹放在 /src/plugin/ 下面，注意：类名、类文件名、文件夹名，都要完全一样。

// 示例
|--plugin //插件文件夹
|---MyAnalyzer //自定义分词插件文件夹
|----MyAnalyzer.php // 类文件
|------namespace WindSearch\Plugin; // 类文件的命名空间
|----- class MyAnalyzer{... // 类文件的定义
|

加载自定义分词插件

然后调用下面的方法，加载自定义分词插件：

// 实例化引擎
$Wind = new \WindSearch\Index\Wind($indexName);
// 加载自定义分词
// 例如你的分词插件类名为 myAnalyzer
$Wind->loadCustomAnalyzer('myAnalyzer');