Question

我们有一个包含大型文本区域和几个文本字段的表单。我们还有一个1500个标签的列表（一些有空格），分为5种类型。刮取用户输入的文本以提取他们可能输入的标记的最佳方法是什么。

我们不想给他们一个标记字段 - 它需要自动发生。

有什么想法吗？

Answer 1

前端明智：

我建议你使用一个可用的自动完成jquery插件（有许多，只是谷歌），每个标签执行一个AJAX请求，返回一个带有类似标签的JSON对象。要做到这一点，你需要建立一个你可以查询的路线;示例：http://mysite.com/tags?s=%s返回JSON。

另一种方法， lazy 方式，考虑到你拥有的标签数量（当然这取决于用户可以查看的内容）是可行的，输出整个标签数组作为嵌入在文档中的JSON对象。我不推荐这个，除非你真的很想解决这个问题而且你不介意加载额外的东西。

标签应以逗号分隔。

后端明智：

提交表单后，您需要添加一个额外的过程来解析给定的标签。只需执行一个tags.split(',')，您将获得一个标记数组，稍后您可以迭代该数组以将数据插入数据库。

Answer 2

如果我正确理解您的问题，可以采用以下解决方案：

在应用程序加载时，使用所有标记构建一个Set。
当用户发布文本时，遍历所有单词并针对Set进行检查。

对于你的目的来说，这将是非常快的，考虑到一个Set需要恒定的时间。

如果您的代码集中包含某个字词，请将该字词添加到新的字词集中。完成所有单词的迭代后，执行数据库查询以将新标记与上载的文本相关联。

Answer 3

好吧，如果我理解这一点。

您可以使用正则表达式，但在使用1500个可匹配的结果时，我不确定它的效率（如果您可以在单个正则表达式语句中定义多个标记，那将很好）。

for(var index = 0; index < textAreas.length; index++)
{
    textAreas[index].innerHTML.match(new Regex("/" + tags + "/", g));  //will return an array of the found tags.
}

//Where Tags is in the format tag1|tag2|tag3
//Where tagN can be a regex that matches multiple tags in your list.

Answer 4

我不会编辑我之前的答案，因为这是一个完全不同的方法;并且编辑它意味着重新制作它，考虑到答案可能对某人有用，这是一个坏主意。

制作“自动标记”的一种方法，就是你永远不会告诉你的人写一个关键字，就是解析知道上下文的内容（例如，如果你的人会写关于自行车，你需要避免忽略这些词。）

首先是内容：

删除代词
删除常用名称（不相关）
删除连词
删除介词
删除地址（但接受链接的字词）
拆分剩余单词中的所有单词，并根据外观对其进行加权。
为标题标签上显示的字词提供更多权重。

这应该在后端完成;因为你很可能会做很多准备。在特殊点删除HTML，遍历数组，对单词进行加权并对它们进行清理。

你如何刮字段进行自动标记？

4 个答案:

前端明智：

后端明智：