Joomla!-开源天空

如果你还不了解织梦分词算法在Joomla!中的使用，请先参考这篇文章：自动生成Joomla!文章的TAG标签 ，这篇文章中数据库读取用的是zend db，接下来我该一个Joomla!组件方式的Joomla!文章TAG生成扩展。下面是一些关于织梦分词的改动： 

首先织梦的分词中，pub_splitword_www.php中 的getIndexText函数中，全文的514行：

if(strlen($w)==2&&ord($w[0])>0x80) continue;

这一行会导致，只有中文才能作为索引词，所以要将这一行注释掉。比如Joomla!一定是我们的TAG，如果没有英文TAG，显然对于Joomla!系统是不合适的。

织梦分词可以在这篇文章中下载：

自动生成Joomla!文章的TAG标签

接下来，我们要修改的就是在分词过程总，处理中文标点，我们简单的将中文标点去除就好了。这也很简单，在pub_splitword_www.php中的ReviseString函数，第472，472行注释掉，改为：

if($prechar!=0) $okstr .= " ";
else $okstr .= " ";

 这样就可以将大部分的中文标点去掉了。

最后，针对Joomla!系统的分词，要添加合理的词库。附件是我整理的添加了Joomla!相关词库的词语和词频，你可以试试。你也可以针对自己站点写一个词典整理程序。

现在的织梦分词还没有处理英文大小写，有兴趣的朋友可以查查如何修改。

---

收藏此文章：