PHP 替换我文件中的常用词答案

【问题标题】：PHP replace common words from my filePHP 替换我文件中的常用词
【发布时间】：2014-03-31 08:08:37
【问题描述】：

我尝试制作一个工具，您可以在其中输入网站，当您单击提交按钮时，它会卷曲所有文本。

在所有卷曲之后，将其从标签中剥离，并计算单词。它最终是一个名为$frequency 的数组。如果我使用<pre> 标签回显它，它将向我展示一切都很好！（注意：我将内容放在一个文件中，$homepage = file_get_contents($file);，这是我在代码中使用的，我不知道这是否重要）

但是我并不关心 or 这个词是否在网站上出现 200 次，我只想要重要的词。所以我做了一个包含所有常用词的数组。最终在 $common_words 变量中设置。但我似乎无法找到一种方法来替换在$frequency 中找到的所有单词，如果它们也在$common_words 中找到，则用"" 替换它们。

经过一番研究，我发现了这段代码：

$string = 'sand band or nor and where whereabouts foo';
$wordlist = array("or", "and", "where");

foreach ($wordlist as &$word) {
    $word = '/\b' . preg_quote($word, '/') . '\b/';
}

$string = preg_replace($wordlist, '', $string);
var_dump($string);

如果我复制粘贴它，它可以正常工作，从字符串中删除 or, and, where。但是用$frequency 替换$string 或用$common_words 替换$wordlist 要么不起作用，要么给我一个错误，例如：Delimiter must not be alphanumeric or backslash

如果没有，我希望我已经正确地提出了我的问题。请告诉我！

提前致谢

编辑：好的，我已经缩小了很多范围。首先，我忘记了foreach ($wordlist as &$word) { 中的&

但由于它正在计算所有的单词，它所替换的单词仍然被计算在内。请看这 2 个屏幕截图以了解我的意思：http://imgur.com/oqqZR3h,xHEZKRz#0

【问题讨论】：

我不确定你的问题是什么，但你的正则表达式是如何工作的？它不应该像 /or|and|where/ 吗？好久没做PHP了，不习惯这么粗糙的API，但是从这里看好像不是你在做的。
@Michael 最后的一段代码是我在互联网上找到的，如果我复制粘贴并运行这段代码，它工作正常，它会删除单词或，以及从哪里细绳。但是用我自己的变量替换 $string 和 $wordlist 不起作用
它对我有用，即使我更改了单词表。我真的不明白你有什么问题？这一切都很好！

标签： php arrays

【解决方案1】：

如果我理解正确的话，你不会因为忽略所谓的常用词而知道每个词出现了多少次。

假设 $url 是您将要运行的页面，$common_words 是您的常用词数组，您可以执行以下操作：

// Get the page content's and strip the html tags
$contents = strip_tags( file_get_contents($url) );

// This will split the words from the contents, creating an array with each word in it
preg_match_all("/([\w]+[']?[\w]*)\W/", $contents, $words);

$common_words = array('or', 'and', 'I', 'where');

$frequency = array();

// Count occurrences
$frequency = array_count_values($words[0]);
unset($words); // Release all that memory

var_dump($frequency);

此时，您将拥有一个关联数组，其中包含每个不常见的单词和一个显示给定单词出现次数的计数。

更新

更多关于 RegEx 的信息。我们需要匹配单词。最简单的方法是：(\w+)。但这与I've 或haven't 之类的词不匹配（注意'）。这就是我让它变得更复杂的目的。此外，\w 不支持在 6-year-old 中使用破折号。

所以我创建了一个子组，它应该匹配单词中的字符，包括虚线和单引号。

(?:\w'|\w|-)

开头的?: 部分是do not match 或do not include in the results。那是因为我所做的只是对单词内容的选项进行分组。为了匹配整个单词，RegEx 将匹配上面的一个或多个子组：

((?:\w'\w|\w|-)+)

所以 RegEx preg_match_all() 行应该是：

preg_match_all("/((?:\w'\w|\w|-)+)/", $contents, $words);

希望这会有所帮助。

【讨论】：

谢谢，它对我来说就像 50%。我将尝试使用它，直到它适合我现有的代码。忍受我，如果我能让它工作，我会接受你的回答=/
好吧，我现在很迷茫。我无法将我拥有的代码和您的代码放在一起。您提供的代码有效。但不知何故，在我的其他代码中，它为我提供了好词，并且使用您的代码，它给了我一些词，例如：hello. 或 good
如果你有兴趣，这是我之前的代码，pastie.org/private/f5imeqpzi6oz7vuvstdxw
@DejaVu 看看我的答案的更新版本。
我正在针对 I am only in this position 'cuz of my 6-year-old little brother who wouldn't listen to me. 对其进行测试，我认为它涵盖了我提出的大多数极端情况。

【解决方案2】：

我已将 $wordlist 更改为 $mywordlist。仍然有效！

<?php
$string = 'sand band or nor and where whereabouts foo';
$wordlist = array("or", "and", "where");
$mywordlist=array("sand","band");
foreach ($mywordlist as &$word) {
    $word = '/\b' . preg_quote($word, '/') . '\b/';
}

$string = preg_replace($mywordlist, '', $string);
var_dump($string);
?>

【讨论】：

【解决方案3】：

我想你可以这样做：

$common_words = "foo baq etc etc";

$str = "foo bar baz"; // input

foreach (explode(" ", $common_words) as $word){
   $str = strtr($str, $word, "");
}

【讨论】：