在PHP中，从纯文本中过滤出单词集的最佳方法是什么? - In PHP what's the best way of filtering out sets of words from plain text

In PHP what's the best way of filtering out sets of words from plain text

假设您有纯文本输入。在这些文本中，你可以找到关键字。输入"成本"，"位置"answers"材料"，您想要过滤掉这些关键字后面的单词，以便稍后将它们存储在数据库中具有这些关键字的列下。

你会怎么做?我正在考虑将字符串转换为数组，然后搜索并使用关键字值来计算关键字之间的单词范围。这只是个主意，有人有更好的主意吗?

示例输入:

Cost £45 Materials glue, plastic, wood and nails Location Sale, Manchester North England.

在vars中按如下方式分组:

$cost = "£45";
$materials = "glue, plastic, wood and nails";
$location = "Sale, Manchester North England";

你可以使用这个正则表达式来匹配你的值:

's*'bCost's+(?<cost>.+?)'s*'bMaterials's+(?<material>.+?)'s*'bLocation's+(?<location>.+)

RegEx演示

代码:

$re = '/'s*'bCost's+(?<cost>.+?)'s*'bMaterials's+(?<material>.+?)'s*'bLocation's+(?<location>.+)/'; 
preg_match($re, $str, $matches);
print_r($matches);

您将在$matches数组中获得您匹配的值，索引名称指示它匹配的值。

要获得模式匹配的文本，可以使用preg_split。在这种情况下，我建议匹配任何关键字，使用词边界 ('b)，这允许您以没有特定顺序的关键字解析文本。

正则表达式:

/'b(Cost|Materials|Location)'b/i

为了在preg_split的结果中包含关键字，我们使用PREG_SPLIT_DELIM_CAPTURE标志。

preg_split($re, $str, -1, PREG_SPLIT_DELIM_CAPTURE);

还返回第一个关键字匹配之前的文本。我们将使用array_shift()来丢弃它。

代码:

$re = '/'b(Cost|Materials|Location)'b/i'; 
$str = "<preceding text> Cost £45 Materials glue, plastic, wood and nails Location Sale, Manchester North England."; 
//$re matches keywords, but also captures them... PREG_SPLIT_DELIM_CAPTURE includes the captures in the result
$result = preg_split($re, $str, -1, PREG_SPLIT_DELIM_CAPTURE);
//Remove preceding text
array_shift($result);
print_r($result);

结果

Array
(
    [0] => Cost
    [1] =>  £45 
    [2] => Materials
    [3] =>  glue, plastic, wood and nails 
    [4] => Location
    [5] =>  Sale, Manchester North England.
)

运行以下代码