PHPとKAKASIを使って単語に分解する (その2)

KAKASI を使って漢字かなまじり文を平仮名やローマ時に変換するプログラムの続きである。今回は、テキストだけでなく、ファイルやURLを指定して分解できるように機能を拡張した。

（2021年5月30日）PHP8対応，リファラチェック追加

プログラムを実行する

ダウンロード（PHP8対応）

圧縮ファイルの内容

parsewords2.php

サンプル・プログラム本体。

 302: //ファイル
 303: if (isset($_FILES['upload']['tmp_name']) && ($_FILES['upload']['tmp_name'] != '')) {
 304:     $sour = file_get_contents($_FILES['upload']['tmp_name']);   //ファイルを一気に読み込む
 305:     $sour = mb_convert_encoding($sour, INTERNAL_ENCODING, 'auto');
 306:     $sour = strip_tags($sour);      //タグを消去しておく
 307:     if ($sour == FALSE) {
 308:         $errmsg = 'ファイル ' . $_FILES['upload']['tmp_name'] . ' は存在しません';
 309:     }
 310: 
 311: //URL
 312: } else if ($url != '') {
 313:     $sour = file_get_contents($url);    //コンテンツを一気に読み込む
 314:     $sour = mb_convert_encoding($sour, INTERNAL_ENCODING, 'auto');
 315:     $sour = strip_tags($sour);      //タグを消去しておく
 316:     if ($sour == FALSE) {
 317:         $errmsg = 'URL ' . $url. ' は存在しません';
 318:     }
 319: }

ファイルから分解テキストを読み込むには、組み込み変数 $_FILES['upload']['tmp_name'] があれば、組み込み関数  file_get_contents  を用いてファイル内容を変数 $sour に読み込む。
読み込んだら、組み込み関数  mb_convert_encoding  で文字エンコードを揃え、HTMLタグを組み込み関数  strip_tags  を使って取り除いておく。

URLから分解テキストを読み込む流れも同様である。
いずれも、読み込めたかどうかエラー処理を加えておく。

あとは、「PHPとKAKASIを使って単語に分解する（その1）」と同様、KAKASI を使ってテキストを単語に分解していく。

• KAKASI：公式サイト
• PHPとKAKASIを使って単語に分解する（その1）：ぱふぅ家のホームページ
• PHPで2つの文章の類似度を計算する（KAKASI版）：ぱふぅ家のホームページ
• PHPで形態素解析を行う：ぱふぅ家のホームページ
• kakasiの辞書に単語を追加する：TagoSuckの独習プログラム日記