php将字符串匹配到多个关键字数组

Question

我正在编写一个基本的分类工具，它将获取一个标题，然后将其与一组关键字进行比较。示例：

$cat['dining'] = array('food','restaurant','brunch','meal','cand(y|ies)');
$cat['services'] = array('service','cleaners','framing','printing');
$string = 'Dinner at seafood restaurant';

是否有创造性的方法来循环浏览这些类别或查看哪个类别的匹配度最高？请注意，在 'dining' 数组中，我有正则表达式来匹配单词 candy 的变体。我尝试了以下方法，但是这些类别列表变得很长，我想知道这是否是最好的方法：

$keywordRegex = implode("|",$cat['dining']); 
preg_match_all("/(\b{$keywordRegex}\b)/i",$string,$matches]);

谢谢， 史蒂夫

编辑： 感谢@jmathai，我能够添加排名：

    $matches = array(); 
    foreach($keywords as $k => $v) {
        str_replace($v, '#####', $masterString,$count);
        if($count > 0){
            $matches[$k] = $count;
        }
    }
    arsort($matches);

Answer 1

这可以通过一个循环来完成。

为了提高效率，我会将糖果和糖果分成单独的条目。一个聪明的技巧是用一些标记替换匹配项。让我们使用 10 个#。

$cat['dining'] = array('food','restaurant','brunch','meal','candy','candies');
$cat['services'] = array('service','cleaners','framing','printing');
$string = 'Dinner at seafood restaurant';

$max = array(null, 0); // category, occurences
foreach($cat as $k => $v) {
  $replaced = str_replace($v, '##########', $string);
  preg_match_all('/##########/i', $replaced, $matches);
  if(count($matches[0]) > $max[1]) {
    $max[0] = $k;
    $max[1] = count($matches[0]);
  }
}

echo "Category {$max[0]} has the most ({$max[1]}) matches.\n";

Answer 2

$cat['dining'] = array('food','restaurant','brunch','meal');
$cat['services'] = array('service','cleaners','framing','printing');
$string = 'Dinner at seafood restaurant';

$string = explode(' ',$string);
foreach ($cat as $key => $val) {
  $kwdMatches[$key] = count(array_intersect($string,$val));
}
arsort($kwdMatches);

echo "<pre>";
print_r($kwdMatches);

Answer 3

如果单词的数量不是太多，那么创建一个反向查找表可能是一个想法，然后针对它运行标题。

// One-time reverse category creation
$reverseCat = array();    
foreach ($cat as $cCategory => $cWordList) {
   foreach ($cWordList as $cWord) {
       if (!array_key_exists($cWord, $reverseCat)) {
           $reverseCat[$cWord] = array($cCategory);
       } else if (!in_array($cCategory, $reverseCat[$cWord])) {
           $reverseCat[$cWord][] = $cCategory;
       }
   }
}

// Processing a title
$stringWords = preg_split("/\b/", $string);

$matchingCategories = array();
foreach ($stringWords as $cWord) {
   if (array_key_exists($cWord, $reverseCat)) {
       $matchingCategories = array_merge($matchingCategories, $reverseCat[$cWord]);
   }
}

$matchingCategories = array_unique($matchingCategories);

Answer 4

您正在执行 O(n*m) 查找，其中 n 是类别的大小，m 是标题的大小。您可以尝试像这样组织它们：

const $DINING = 0;
const $SERVICES = 1;

$categories = array(
    "food" => $DINING,
    "restaurant" => $DINING,
    "service" => $SERVICES,
);

然后对于标题中的每个单词，检查 $categories[$word] 以找到类别 - 这会得到 O(m)。

Answer 5

好的，这是我的新答案，可让您在 $cat[n] 值中使用正则表达式...关于此代码只有一个警告我无法弄清楚...由于某种原因，如果您有任何原因，它会失败$cat[n] 值开头的元字符或字符类。

例如：.*food 将不起作用。但是s.afood 或sea.* 等...或者您的cand(y|ies) 示例将起作用。我有点认为这对你来说已经足够了，因为我认为正则表达式的重点是处理不同时态的单词，并且在这种情况下单词的开头很少改变。

function rMatch ($a,$b) {
  if (preg_match('~^'.$b.'$~i',$a)) return 0;
  if ($a>$b) return 1;
  return -1;
}

$string = explode(' ',$string);
foreach ($cat as $key => $val) {
  $kwdMatches[$key] = count(array_uintersect($string,$val,'rMatch'));
}
arsort($kwdMatches);

echo "<pre>";
print_r($kwdMatches);