如何从网页上获取所有单词及其频率？

Question

我必须从网页和链接的其他页面获取所有单词及其频率。我是否必须使用任何网络爬虫？任何简单的开源解决方案？

Answer 1

开放放大应该适合你。

http://www.openamplify.com/

Answer 2

httrack＆＃39; s %I（创建可搜索的索引）选项就是这样。

documentation page解释了这个问题，对不起，没有深层链接。跳转到句子片段

  

仍在测试中，此选项要求引擎

Answer 3

在PHP中，您可能会获得网页内容（使用file_get_content()或curl），然后strip_tags()和str_word_count()