我正在编写一个php脚本，它将解析一个文件(synonys .dat)，并将同义词列表与其父词协调起来，大约有150k个单词。
示例from file:
1|2
(adj)|one|i|ane|cardinal
(noun)|one|I|ace|single|unity|digit|figure
1-dodecanol|1
(noun)|lauryl alcohol|alcohol
1-hitter|1
(noun)|one-hitter|baseball|baseball game|ball
10|2
(adj)|ten|x|cardinal
(noun)|ten|X|tenner|decade|large integer
100|2
(adj)|hundred|a hundred|one hundred|c|cardinal
(noun)|hundred|C|century|one C|centred|large integer
1000|2
(adj)|thousand|a thousand|one thousand|m|k|cardinal
(noun)|thousand|one thousand|M|K|chiliad|G|grand|thou|yard|large integer
**10000|1
(noun)|ten thousand|myriad|large**
在上面的例子中，我想链接10000,myriad, large到单词1000。
我已经尝试了使用file_get_contents将.dat文件读取到内存中的各种方法，然后在'n处爆炸文件，并使用各种数组搜索技术来查找"父"字及其同义词。然而，这是非常缓慢的，而且经常崩溃我的web服务器。
我相信我需要做的是使用preg_match_all来爆炸字符串，然后只是迭代字符串，在适当的地方插入到我的数据库。
$contents = file_get_contents($page);
preg_match_all("/([^'s]+)'|[0-9].*/",$contents,$out, PREG_SET_ORDER);
匹配每个
1|2
1-dodecanol|1
1-hitter|1
但是我不知道如何在每个匹配项之间链接字段，即同义词本身。
此脚本旨在运行一次，以获得所有信息到我的数据库适当。对于那些感兴趣的人，我有一个数据库'synonym_index'，其中包含每个单词以及单词的唯一id。然后是另一个表'synonym_listing'，其中包含'word_id'列和' synonym_id '列，其中每列是synonym_index的外键。每个word_id可以有多个synonym_id
非常感谢你的帮助!您可以使用explosion()将每行拆分为字段。(或者，根据输入的精确格式，fgetcsv()可能是更好的选择。)
说明性示例，几乎肯定需要根据您的特定用例和数据格式进行调整:
$infile = fopen('synonyms.dat', 'r');
while (!feof($infile)) {
$line = rtrim(fgets($infile), "'r'n");
if ( $line === '' ) {
continue;
}
// Line follows the format HEAD_WORD|NUMBER_OF_SYNONYM_LINES
list($headWord, $n) = explode('|', $line);
$synonyms = array();
// For each synonym line...
while ( $n-- ) {
$line = rtrim(fgets($infile), "'r'n");
$fields = explode('|', $line);
$partOfSpeech = substr(array_shift($fields), 1, -1);
$synonyms[$partOfSpeech] = $fields;
}
// Now here, when $headWord is '**10000', $synonyms should be array(
// 'noun' => array('ten thousand', 'myriad', 'large**')
// )
}
哇，对于这种类型的功能，您有带有表和索引的数据库。PHP是为请求/响应提供服务的，而不是将大文件读入内存。我建议你把数据存入数据库。那将会快得多——而且它就是为之而生的。