Question

基本上，我有一系列关键字和一段文字。我想知道在文本中是否存在任何这些关键字的最佳方法是什么，同时考虑到性能问题。

我正在考虑循环遍历数组并为每个关键字执行strpos（），但是在数组中有超过一万个单词，需要花费一点时间来完成它，所以我想知道是否有一种更有效的方法。

Answer 1

取决于字符串的大小您可以使用哈希来加快速度。

首先迭代文本。对于每个单词，将其分配给一个数组：

 foreach (preg_split("/\s/", $text) as $word)
 {
     $string[$word] = 1;
 }

然后迭代检查$ string的关键字：

 foreach ($keywords as $keyword)
 {
     if (isset($string[$keyword]))
     {
         // $keyword exists in string
     }
 }

编辑如果您的文字比关键字小得多，请向后搜索，检查文字中每个字词的关键字。如果文本非常短，这将比上面更快。

 foreach (preg_split("/\s/", $text) as $word)
 {
    if (isset($keywords[$word]))
    {
        //might be faster if sizeof($text) < sizeof($keywords)
    }
}

Answer 2

假设格式化并且只关注是否存在任何（不是哪个）关键字，您可以尝试以下内容：

$keywords = array( "dog", "cat" );

// get a valid regex
$test = "(\b".implode( "\b)|(\b", $keywords )."\b)";

if( preg_match( $test, "there is a dog chasing a cat down the road" ) )
    print "keyword hit";

Answer 3

解决eWolf的想法......

foreach($keywords as &$keyword) {
  $keyword = preg_quote($keyword);
}

$regex = "/(". implode('|', $keywords) .")/";

return preg_match($regex, $str);

如果您不想检查边界，则不必检查边界，但是如果您只使用\ b围绕组（()字符），那么它只会匹配给定的单词。为了安全起见，你需要确保所有阵列的成员都是preg_quoted。

Answer 4

我真的不知道它是否更有效率，但你可以尝试将它们全部放在这样的正则表达式中：（关键字1 |关键字2 | ...）使用preg_quote函数，您可以转义正则表达式的关键字。如果设置编译选项，则将其与多个字符串一起使用可能会更有效。

Answer 5

您可以将文本转储到数组中，并在两个数组上执行array_intersect_key。虽然我不确定这个表现......

PHP - 查找字符串中是否存在数组中的任何关键字

5 个答案: