Question

大家好我正在尝试创建我的抓取工具解析的html页面上所有单词的索引。此时我已经设法将html页面分解为一系列单词，并且我已经过滤掉所有停用词。

在这个阶段我遇到了一些问题。

解析后的html页面中的单词数组中包含重复的单词，我喜欢这样，因为我仍然需要记录单词出现在页面中的次数。

阵列看起来像这样。

$wordsFromHTML =    
array (size=119)
      0 => string 'web' (length=3)
      1 => string 'giants' (length=6)
      2 => string 'vryheid' (length=7)
      3 => string 'news' (length=4)
      4 => string 'access' (length=6)
      5 => string 'mails' (length=5)
      6 => string 'mobile' (length=6)
      7 => string 'february' (length=8)
      8 => string 'access' (length=6)
      9 => string 'mails' (length=5)
     10 => string 'web' (length=3)
     11 => string 'february' (length=8)
     12 => string 'access' (length=6)
     13 => string 'mails' (length=5)
     14 => string 'desktop' (length=7)
     15 => string 'february' (length=8)
     16 => string 'hosting' (length=7)
     17 => string 'web' (length=3)
     18 => string 'giants' (length=6)
     19 => string 'vryheid' (length=7)
     20 => string 'february' (length=8)
     22 => string 'us' (length=2)

现在我想将$ wordsFromHTML中的所有单词保存到$ indesArray，这是我的最终索引。

应该是这样的。

$indexArray = array('web'=>array('url'=>array(0,10,17)))

问题是如何为最终索引数组中$wordsFromHTML数组重复的每个单词增加位置（$wordsFromHTML键）。

索引数组应该只有唯一的单词，如果已经存在的另一个单词试图进入，我们使用已经存在的具有相同URL并增加其位置的单词。

希望你理解我的问题。

我应该使用什么数组函数来创建索引？

0 个答案: