文本的索引词[关闭]

Question

我有这样的文字

*嗯*我们有一条狗
*ppp* 我们要回家了
*SSS*我们回家了

在此文本中，* 之间的文本是对具有第 nr 页和第 nr 行的书的引用。在这种情况下，我只是将其缩减为三个字母。

我想创建一个以每个单词为键、行号为值的数组：

Array
(
    [we] => Array
    (
        [0]=>*mmm*,
        [1]=>*ppp*,
        [2]=>*SSS*
    )
    [have] => Array
    (
        [0] => *mmm*,
        [1] => *SSS*
    )
)

等等……

其次，我想创建一个数组，其中两个单词作为键，行号作为值

Array
(
    [we have] => array([0] => *mmm*, [1] => *SSS*),
    [have a] => array([0 => *mmm*),
    [a dog] => array([0] => *mmm*),
    [dog we] => array([0] => *mmm*),
    [we are] => array([0] => *ppp*)
)

请注意，当两个单词不在同一行时（如[dog we]），应将第一个单词的引用用作值。

我想我找到了第一个问题的解决方案。我将文本转换为数组 $text = array ([0]=>*mmm*, [1]=>"we", [2]=>"have",等等……

然后：

foreach ($text as $word)
{ 
    if($word[0] == "*")
    {
        $value = $word;
        continue;
    }
    else
    {
        $key = $word;
        if (array_key_exists($key,$dictionary))
        {
            array_push($dictionary[$key], $value);
        }
        else
        {
            $dictionary[$key] = array($value);
        }
    }
    return $dictionary;

为了创建一个包含两个单词的数组，我做了以下操作

foreach ($text as $word)
{ 
    if($word[0] == "*")
    {
        $value = $word;
        continue;
    }
    else
    {
        $key1 = $word;
        $key2 = $text[array_search($key1,$text)+1];
        if ($key2[0] == "*")
        {
            continue;
        }
    else
    {
        $key = $key1.$key2;
        if (array_key_exists($key,$dictionary))
        {
            array_push($dictionary[$key], $value);
        }
        else
        {
            $dictionary[$key] = array($value);
        }
    }
    return $dictionary;
}

由于$key = $key1.$key2;，这不起作用。似乎当密钥为[we have]（如我们在mmm 中的文本中）并且稍后密钥应为[we are] 时，程序并没有什么不同。事实上，每次第一个词是“我们”时，他都会自动添加第二个词“拥有”，即使它应该是“是”。所以这意味着在遍历文本的每个单词时，$key1 不会恢复为零，而是每次第一个单词是“我们”时，值都会放在键“我们拥有”下。

任何人对此都有解决方案，或者整个事情可以更简单地完成？

PS 我希望我没有忘记很多 {} 我在没有很好概述的情况下在小屏幕上输入此内容

Answer 1

在下面的代码 sn-p 中，tokenize() 枚举 1-word 标记和 2-word 标记，以及它们的位置，reduce() 通过标记进行聚合。看看它是否适用于你的情况。

<?php
$text = array('*mmm*', 'we', 'have', 'a', 'dog', '*ppp*', 'we', 'are', 'going', 'home', '*SSS*', 'we', 'have', 'gone', 'home');

function tokenize($text, $initPosition) {
  $words = array();
  $position = $initPosition;

  foreach ($text as $value) {
    if ($value[0] === '*') {
      $position = $value;
    } else {
      $words[] = array('token' => $value, 'pos' => $position);
    }   
  }   

  $temp = $words;
  for ($i = 0; $i < count($temp); $i++) {
    if (isset($temp[$i + 1])) {
      $token = $temp[$i]['token'] . ' ' . $temp[$i + 1]['token'];
      $words[] = array('token' => $token, 'pos' => $temp[$i]['pos']);
    }   
  }   
  return $words;
}   

function reduce($words) {
  $dictionary = array();
  foreach ($words as $value) {
    if (isset($dictionary[$value['token']])) {
      $dictionary[$value['token']][] = $value['pos'];
    } else {
      $dictionary[$value['token']] = array();
      $dictionary[$value['token']][] = $value['pos'];
    }   
  }   
  return $dictionary;
}   

$words = tokenize($text, '*mmm*');
$dictionary = reduce($words);
print_r($dictionary);