Question

我正在使用cakephp 1.3，我有textarea用户提交文章。在提交时，我想查看文章中的某些关键词，并在文章中添加相应的标签。

我在考虑preg_match，但preg_match模式必须是字符串。所以我必须循环一个数组（大）。

是否有更简单的方法来插入模式的关键字数组。

感谢您的帮助。

感谢。

Answer 1

我建议将关键字数组视为哈希表。小写文章文本，按空格分解，然后循环遍历爆炸数组的每个单词。如果哈希表中存在该单词，则将其推送到新数组，同时跟踪其被查看的次数。

在这种情况下，我运行了一个快速基准测试，将正则表达式与哈希表进行比较。要使用正则表达式运行1000次，需要17秒。要使用哈希表运行1000次，需要0.4秒。它应该是一个O（n + m）过程。

$keywords = array("computer", "dog", "sandwich");
$article = "This is a test using your computer when your dog is being a dog";
$arr = explode(" ", strtolower($article));
$tracker = array();

foreach($arr as $word){
    if(in_array($word, $keywords)){
        if(isset($tracker[$word]))
            $tracker[$word]++;
        else 
            $tracker[$word] = 1;
    }
}

$ tracker数组将输出：“computer”=＆gt; 1，“dog”=＆gt; 2.然后，您可以执行该过程以确定要使用的标记。或者，如果您不关心关键字出现的次数，您可以跳过跟踪器部分，并在关键字出现时添加标签。

编辑：关键字数组可能需要是反向索引数组，以确保最快的查找。我不确定in_array（）是如何工作的，但是如果它搜索的话，那就没那么快了。反向索引数组看起来像

array("computer" => 1, "dog" => 1, "sandwich" => 1); // "1" can be any value

然后你会做isset（$ keywords [$ word]）检查单词是否与关键字匹配，而不是in_array（），它应该给你O（1）。其他人可能会为我澄清这一点。

Answer 2

当然，您可以尝试使用一个正则表达式匹配所有关键字，例如/word1|word2|word3/，但我不确定它是您正在寻找的。而且我认为这将是非常沉重和耗费资源的。

相反，您可以尝试使用其他方法，例如将文本拆分为单词并检查单词是否有趣。我会使用str_word_count()使用像：

这样的东西

$text = 'this is my string containing some words, some of the words in this string are duplicated, some others are not.';
$words_freq = array_count_values(str_word_count($text, 1));

将文本拆分为单词并计算出现次数。然后，您可以查看in_array($keyword, $words_freq)或array_intersect(array_keys($words_freq), $my_keywords)。

如果您对关键字案例不感兴趣，可以在继续分词之前strtolower()整个文字。

当然，确定哪种方法最好的唯一方法是设置一些测试，通过针对某些“代表性”和相当长的文本运行各种搜索功能并测量执行时间和资源使用情况（尝试{{1} }和microtime(TRUE)对此进行基准测试。）

编辑：我清理了一些代码并添加了一个缺少的分号：）

Answer 3

如果要从数组中查找多个单词，请将所述数组合并为正则表达式：

 $regex_array = implode("|", array_map("preg_escape", $array));
 preg_match_all("/($regex_array)/", $src, $tags);

在这种情况下避免使用strpos和循环。 preg_match可以更快地搜索替代品。

Answer 4

如果您不需要正则表达式的强大功能，则应使用strpos()。

您仍然需要遍历单词数组，但strpos比preg_match快得多。

Answer 5

strtr()

如果给出两个参数，则第二个应该是表单中的数组 array（'from'=＆gt;'到'，...）。回报 value是一个所有的字符串数组键的出现有被相应的替换值。将尝试最长的密钥第一。一旦子串已经存在换了，它的新价值不会再次搜索。

Answer 6

手动添加标签？就像我们在SO处添加标签一样。

任何更快，更简单的替代php preg_match

6 个答案: