在 PHP 中查找重复的单词而不指定单词本身

Posted 2023-02-24

【中文标题】在 PHP 中查找重复的单词而不指定单词本身

【英文标题】：Finding repeated words in PHP without specifying the word itself

【发布时间】：2012-12-11 17:42:07

【问题描述】：

我一直在为我想做的项目考虑一些事情，我不是高级用户，我只是在学习。不知道这是否可行：

假设我们有 100 个 html 文档，其中包含许多表格和文本。

问题一是：是否可以分析所有这些文本并找到重复的单词并计算它？

是的，可以使用某些函数，但问题是：如果我们不知道会找到的单词怎么办？也就是说，我们必须告诉代码一个词的含义。

例如，假设一个单词是七个字符的并集，想法是找到其他相似的模式并提及它。最好的方法是什么？

非常感谢您。

例子：

搜索：下一个短语的五个字符模式：

文字一：

“大海不破”

正文二：

“海洋是咸水体”

结果

Takes 1 
Break 1
water 1
Ocean 2

提前感谢您的帮助。

【问题讨论】：

从***.com/users/1642423/user1642423?tab=questions 开始并接受您之前问题的答案。

比你小我在做。

【参考方案1】：

function get_word_counts($phrases) 
   $counts = array();
    foreach ($phrases as $phrase) 
        $words = explode(' ', $phrase);
        foreach ($words as $word) 
          $word = preg_replace("#[^a-zA-Z\-]#", "", $word);
            $counts[$word] += 1;
        
    
    return $counts;


$phrases = array("It takes an ocean of water not to break!", "An ocean is a body of saline water, or so I am told.");

$counts = get_word_counts($phrases);
arsort($counts);
print_r($counts);

输出

Array
(
    [of] => 2
    [ocean] => 2
    [water] => 2
    [or] => 1
    [saline] => 1
    [body] => 1
    [so] => 1
    [I] => 1
    [told] => 1
    [a] => 1
    [am] => 1
    [An] => 1
    [an] => 1
    [takes] => 1
    [not] => 1
    [to] => 1
    [It] => 1
    [break] => 1
    [is] => 1
)

编辑 根据@Jack 的评论更新以处理基本标点符号。

【讨论】：

您可能想要修剪诸如!、?等字符。

感谢@sberry 非常有帮助！

【参考方案2】：

另一种使用内置函数的替代方法，也忽略短词：

   function get_word_counts($text) 
   
        $words = str_word_count($text, 1);
        foreach ($words as $k => $v) if (strlen($v) < 4) unset($words[$k]); // ignore short words
        $counts = array_count_values($words);
        return $counts;
    
$counts = get_word_counts($text);
arsort($counts);        
print_r($counts);

注意：这假设一个文本块，如果处理一组短语添加foreach ($phrases as $phrase)等