//下面是中文分词函数 
function ChineseWordSegment($str){ 
$words = array(); 
//utf-8 编码的正则，分别意思是: 英文符号与空格|英文及数字|汉字范围一|汉字范围二 
//汉字占三个字符 
$pa = "/[[:punct:]|\\s_]+|[a-z0-9]+|\xe0[\xa0-\xbf][\x80-\xbf]|[\xe1-\xef][\x80-\xbf][\x80-\xbf]/mi"; 
//若网站是 gb2312 编码，则汉字占两个字符，正则应改为 
//$pa = "/[[:punct:]|\\s_]+|[a-z0-9]+|[\x80-\xff]{2}/mi"; 
//排除汉字中的符号 
$punctcn = "～！·＃￥％…—＊（）—＋｛｝［］｜、；：‘’“”，。《》？／　"; 
//按正则把$str分割成数组 $r 
//$r元素的值可能为:一串英文符号与空格,一串英文及数字，一个汉字或汉字符号 
preg_match_all($pa,$str,$r); 
$lv = ''; 
//把相临的2个汉字组成一个"词" 
foreach($r[0] as $k=>$v) { 
//如果不是汉字 
//过滤掉英文符号或空格,单个字母或数字 
//不和前一个元素组合,而自成一个"词" 
if(ord($v[0])<128){ 
if(preg_match('/^[a-z0-9]{2,}$/i',$v)) $words[] = $v; 
$lv = ''; 
continue; 
} 
//如果是汉字符号,过滤掉,不组"词" 
if(strrchr($punctcn,$v)){ 
$lv = ''; 
continue; 
} 
//汉字,和前一个汉字组成一个"词" 
if($lv) $words[] = $lv.$v; 
$lv = $v; 
} 
return $words; 
} 

//计算一个词语在内容中出现的次数 
function showtimes($word,$content){ 
$nc = str_replace("$word","",$content); 
return (strlen($content)-strlen($nc))/strlen($word); 
}