我正在php站点中创建一个jquery tagcloud。 在我的mysql数据库中我有一个'tags'字段,其中会有一个逗号分隔的单词列表。 我想用它们出现的频率产生一个单词数组。 只是为了使事情复杂化,文本将全部用希伯来语(utf8编码)。
英文这个解决方案完美无缺:
$words = array_count_values(str_word_count($str, 1));
print_r($words);
取自php: sort and count instances of words in a given string
使用希伯来语文本,数组未填充。
我找到了这篇文章str_word_count() function doesn't display Arabic language properly,虽然它有效但它只提供了单词数的总计数,并且没有像上一个函数那样创建一个结果数组。
我希望结果看起来像这样:
Array
(
[happy] => 4
[beautiful] => 1
[lines] => 3
[pear] => 2
[gin] => 1
[rock] => 1
)
有什么建议吗?
答案 0 :(得分:2)
虽然这不是您所希望的答案,但我会鼓励您首先重新考虑您的DB-Design。在一个字段中保存多个标记逗号并不是很聪明。您应该为标签构建一个单独的表,只有两列:
有许多优点:
答案 1 :(得分:1)
可以使用PHP的PCRE函数的Unicode模式制作UTF-8(仅!)版本。
function utf8_str_word_count($string, $format = 0, $charlist = null) {
if ($charlist === null) {
$regex = '/\\pL[\\pL\\p{Mn}\'-]*/u';
}
else {
$split = array_map('preg_quote',
preg_split('//u',$charlist,-1,PREG_SPLIT_NO_EMPTY));
$regex = sprintf('/(\\pL|%1$s)([\\pL\\p{Mn}\'-]|%1$s)*/u',
implode('|', $split));
}
switch ($format) {
default:
case 0:
// For PHP >= 5.4.0 this is fine:
return preg_match_all($regex, $string);
// For PHP < 5.4 it's necessary to do this:
// $results = null;
// return preg_match_all($regex, $string, $results);
case 1:
$results = null;
preg_match_all($regex, $string, $results);
return $results[0];
case 2:
$results = null;
preg_match_all($regex, $string, $results, PREG_OFFSET_CAPTURE);
return empty($results[0])
? array()
: array_combine(
array_map('end', $results[0]),
array_map('reset', $results[0]));
}
}
该函数尽可能地遵循str_word_count
的语义;特别是,如果在str_word_count
的以下注释中将“locale dependent”替换为“UTF-8”,则结果适用于此
出于此功能的目的,'word'被定义为语言环境 依赖字符串,包含字母字符,也可以 包含但不以“'”和“ - ”字符开头。
此外,字符'
和-
被视为单词的一部分,但无法启动;但是,$charlist
参数中指定的任何字符都可以开始一个单词,这意味着指定'
和/或-
会稍微改变函数的工作方式。此行为也与原始str_word_count
匹配。
值得注意的是,通过使\pL
等字符属性正确替换\p{Greek}
,您可以使该函数仅识别Unicode脚本的某些子集 - 请参阅PCRE Unicode reference。