在PHP中，从纯文本中过滤掉单词集的最佳方法是什么答案

【问题标题】：In PHP what's the best way of filtering out sets of words from plain text在PHP中，从纯文本中过滤掉单词集的最佳方法是什么
【发布时间】：2015-12-09 11:16:14
【问题描述】：

假设您有纯文本输入。在该文本中，您有要查找的关键词。说“成本”、“位置”和“材料”，您想过滤掉这些关键词之后的词，以便稍后将它们存储在数据库中包含这些关键词的列下。

你会怎么做？我正在考虑将字符串转换为数组，然后搜索它并使用键值来计算关键字之间的单词范围。这只是一个想法，有人有更好的想法吗？

示例输入：

Cost £45 Materials glue, plastic, wood and nails Location Sale, Manchester North England.

在 vars 中这样分组的内容：

$cost = "£45";
$materials = "glue, plastic, wood and nails";
$location = "Sale, Manchester North England";

【问题讨论】：

标签： php regex search substring preg-match

【解决方案1】：

您可以使用此正则表达式来匹配您的值：

\s*\bCost\s+(?<cost>.+?)\s*\bMaterials\s+(?<material>.+?)\s*\bLocation\s+(?<location>.+)

RegEx Demo

代码：

$re = '/\s*\bCost\s+(?<cost>.+?)\s*\bMaterials\s+(?<material>.+?)\s*\bLocation\s+(?<location>.+)/'; 

preg_match($re, $str, $matches);

print_r($matches);

您将在$matches 数组中获得匹配的值，索引名称指示它匹配的值。

【讨论】：

【解决方案2】：

要获取模式匹配之间的文本，您可以使用preg_split。在这种情况下，我建议使用word boundaries (\b) 匹配您的任何关键字，这样您就可以解析带有不特定顺序的关键字的文本。

正则表达式：

/\b(Cost|Materials|Location)\b/i

为了在preg_split 的结果中包含关键字，我们使用PREG_SPLIT_DELIM_CAPTURE flag。

preg_split($re, $str, -1, PREG_SPLIT_DELIM_CAPTURE);

还返回第一个关键字匹配之前的文本。我们将使用array_shift() 将其丢弃。

代码：

$re = '/\b(Cost|Materials|Location)\b/i'; 
$str = "<preceding text> Cost £45 Materials glue, plastic, wood and nails Location Sale, Manchester North England."; 

//$re matches keywords, but also captures them... PREG_SPLIT_DELIM_CAPTURE includes the captures in the result
$result = preg_split($re, $str, -1, PREG_SPLIT_DELIM_CAPTURE);

//Remove preceding text
array_shift($result);
print_r($result);

结果

Array
(
    [0] => Cost
    [1] =>  £45 
    [2] => Materials
    [3] =>  glue, plastic, wood and nails 
    [4] => Location
    [5] =>  Sale, Manchester North England.
)

Run this code

【讨论】：