Question

Wikipedia定义了许多人们可以使用的表情符号。我想将此列表与字符串中的单词匹配。我现在有这个：

$string = "Lorem ipsum :-) dolor :-| samet";
$emoticons = array(
  '[HAPPY]' => array(' :-) ', ' :) ', ' :o) '), //etc...
  '[SAD]'   => array(' :-( ', ' :( ', ' :-| ')
);
foreach ($emoticons as $emotion => $icons) {
  $string = str_replace($icons, " $emotion ", $string);
}
echo $string;

输出：

Lorem ipsum [HAPPY] dolor [SAD] samet

原则上这是有效的。但是，我有两个问题：

正如您所看到的，我在数组中的每个表情符号周围放置空格，例如':-)'而不是':-)'这使得数组在我看来不太可读。有没有办法存储没有空格的表情符号，但仍然匹配$ string，周围有空格？（和现在的代码一样有效吗？）
或者有没有办法将表情符号放在一个变量中，然后在空格上爆炸以检查$ string？像
这样的东西
$ emoticons = array（ '[HAPPY]'=＆gt; “＆gt;：] :-) :)：o）：]：3：c）：＆gt; =] 8）=）：}：^）”， '[SAD]'=＆gt; “：' - （：'（：' - ）：'）”//等......
str_replace是最有效的方法吗？

我问，因为我需要检查数百万字符串，所以我正在寻找最有效的方法来节省处理时间：）

Answer 1

这是使用CPAN的Perl第三方Regexp::Assemble模块的想法。例如，鉴于此计划：

#!/usr/bin/env perl
use utf8;
use strict;
use warnings;

use Regexp::Assemble;

my %faces = (
    HAPPY => [qw¡ :-) :) :o) :-} ;-} :-> ;-} ¡],
    SAD   => [qw¡ :-( :( :-| ;-) ;-( ;-< |-{ ¡],
);

for my $name (sort keys %faces) {
    my $ra = Regexp::Assemble->new();
    for my $face (@{ $faces{$name} }) {
        $ra->add(quotemeta($face));
    }
    printf "%-12s => %s\n", "[$name]", $ra->re;
}

它将输出：

[HAPPY]      => (?-xism:(?::(?:-(?:[)>]|\})|o?\))|;-\}))
[SAD]        => (?-xism:(?::(?:-(?:\||\()|\()|;-[()<]|\|-\{))

你真的不需要那些额外的东西，所以那些会减少到：

[HAPPY]      => (?:-(?:[)>]|\})|o?\))|;-\}
[SAD]        => (?:-(?:\||\()|\()|;-[()<]|\|-\{

左右。您可以将其构建到Perl程序中以修剪额外的位。然后，您可以将右侧直接放入preg_replace。

我执行use utf8的原因是因为我可以使用¡作为我的qw//分隔符，因为我不想弄乱那里的转义内容。

如果整个程序都在Perl中，你就不需要这样做了，因为Perl的现代版本已经知道会自动为你做这件事。但是知道如何使用模块仍然很有用，这样你就可以生成在其他语言中使用的模式。

Answer 2

这听起来像是正则表达式的一个很好的应用程序，它是模糊文本匹配和替换的工具。 str_replace是完全文本搜索和替换的工具;正则表达式将允许您搜索整个类“看起来像 this ”的文本，其中 this 是根据您将接受的字符类型，有多少来定义的他们，以什么顺序等等。

如果您使用正则表达式，那么......

\s通配符将匹配空格，因此您可以匹配\s$emotion\s。

（还要考虑表情符号出现在字符串末尾的情况 - 即that was funny lol :) - 您不能总是假设表情符号周围会有空格。您可以编写一个处理此表情符号的正则表达式。）< / p>
您可以编写一个匹配列表中任何表情符号的正则表达式。您可以使用替换符号|执行此操作，您可以将其视为OR符号。语法为(a|b|c)以匹配模式a或b或c。

例如，(:\)|:-\)|:o\))将与:),:-),:o)中的任何一个匹配。请注意，我必须转义)，因为它们在regexp中具有特殊含义（括号用作分组运算符。）
过早优化是万恶之源。

首先尝试最明显的事情。如果这不起作用，您可以稍后对其进行优化（在您对代码进行分析之后，确保这确实会给您带来切实的性能优势。）

如果您想学习正则表达式，请尝试TextWrangler manual的第8章。这是对正则表达式的用法和语法的非常容易理解的介绍。

注意：我的建议是独立于编程语言。我的PHP-fu比我的Python-fu弱得多，所以我无法提供示例代码。：（

Answer 3

我会先使用str_replace和那些带空格的数组开始尝试最简单的实现。如果表现不可接受，请为每种情绪尝试一个正则表达式。这压缩了很多东西：

$emoticons = array(
  '[HAPPY]' => ' [:=]-?[\)\]] ', 
  '[SAD]'   => ' [:=]-?[\(\[\|] '
);

如果性能仍然不可接受，你可以使用更高级的东西，比如后缀树（参见：http://en.wikipedia.org/wiki/Suffix_tree），它允许你只扫描所有表情符号的字符串一次。这个概念很简单，你有一个树，它的根是一个空格（因为你想在表情符号之前匹配一个空格），第一个孩子是'：'和'='，那么'：'的孩子是']'， '）'，' - '等。你有一个循环扫描字符串，char由char。当你找到一个空格时，你移动到树中的下一个级别，然后查看下一个字符是否是该级别的节点之一（'：'或'='），如果是，则移动到下一个级别，等等如果在任何时候，当前char不是当前级别的节点，则返回root。

Answer 4

简介评论：请一次只提出一个问题。你会得到更好的答案。接下来，如果您没有向我们展示您迄今为止所做的指标，则无法获得良好的性能建议。

从我的代码中我可以看到，你做两次字符串处理可以保存，将替换放入特定的空格中。您可以先使用您的定义将其展开：

$emoticons = array(
  ' [HAPPY] ' => array(' :-) ', ' :) ', ' :o) '), //etc...
  ' [SAD] '   => array(' :-( ', ' :( ', ' :-| ')
);

foreach ($emoticons as $replace => $search)
{
  $string = str_replace($search, $replace, $string);
}

每次拨打电话时，这样可以节省一些微秒，这样可以提供更好的性能，您可能不会注意到。这让我想到你应该用C编写它并编译它。

更靠近C将使用编译一次然后重新使用的正则表达式，这已在另一个答案中提出。这样做的好处是，如果您多次运行相同的表达式和，您可以使用PHP以最快的方式执行此操作，您可以预先生成正则表达式，因此您可以将其存储为您可以更轻松地进行编辑。然后，您可以缓存正则表达式，以防您甚至需要调整性能几乎没有。

1。正如你所看到的，我在数组中的每个表情符号周围放置空格，例如':-)'而不是':-)'这使得数组在我看来不太可读。有没有办法存储没有空格的表情符号，但仍然匹配$ string，周围有空格？（和代码现在一样有效吗？）

是的，这是可能的，但不是更有效，因为您需要将配置数据进一步处理为替换数据。不知道你真正谈论哪种效率，但我假设后者，所以答案是，可能但不适合你的特殊用例。通常情况下，我更喜欢更容易编辑的东西，所以说你处理它的效率更高，而不是关心处理速度，因为通过在多台计算机上分配处理可以很好地缩短处理速度。

2。或者是否有一种方法可以将表情符号放在一个变量中，并在空间上爆炸以检查$ string？像
这样的东西
$emoticons = array( '[HAPPY]' => ">:] :-) :) :o) :] :3 :c) :> =] 8) =) :} :^)", '[SAD]' => ":'-( :'( :'-) :')" //etc...

当然，这是可能的，但你会遇到与1相同的问题。

3。 str_replace是最有效的方法吗？

现在使用您提供的代码，这是您询问的唯一方式。由于你没有别的选择告诉我们，它至少为你工作，在这个时间点，这是最有效的方式。所以现在，是的。

Answer 5

如果您想要替换表情符号的$ string是由您网站的访问者提供的（我的意思是用户的输入，如评论或其他内容），那么您不应该传达之前或之后会有空格表情符号。还有至少几个表情符号，它们非常相似但不同，如:-)和:-)）。所以如果你定义你的表情符号数组，我认为你将获得更好的结果：

$emoticons = array(
    ':-)' => '[HAPPY]',
    ':)' => '[HAPPY]',
    ':o)' => '[HAPPY]',
    ':-(' => '[SAD]',
    ':(' => '[SAD]',
    ...
)

当你填写所有的查找/替换定义时，你应该以某种方式重新排序这个数组，没有机会用:-)取代:-)）。我相信如果按长度排序数组值就足够了。这是为了你打算使用str_replace（）。 strtr（）会自动按长度排序！

如果您担心性能问题，可以查看strtr vs str_replace，但我建议您进行自己的测试（关于$ string长度和查找/替换定义，您可能得到不同的结果）。

最简单的方法是，如果“查找定义”不包含尾随空格：

$string = strtr( $string, $emoticons );
$emoticons = str_replace( '][', '', trim( join( array_unique( $emoticons ) ), '[]' ) );
$string = preg_replace( '/\s*\[(' . join( '|', $emoticons ) . ')\]\s*/', '[$1]', $string ); // striping white spaces around word-styled emoticons

匹配并替换字符串中的表情符号 - 最有效的方法是什么？

5 个答案: