我正在创建一个PHP站点的jquery标签云。在我的mysql数据库中,我有一个"标签"字段,其中将有一个逗号分隔的单词列表。我想生成一个单词数组,它的出现频率与单词的出现频率相同。为了使事情复杂化,文本将全部使用希伯来语(utf8编码)。
在英语中这个解决方案是完美的:
$words = array_count_values(str_word_count($str, 1));
print_r($words);
带有希伯来文本的数组不被填充。
我发现这个post str_word_count()函数不能正确显示阿拉伯语,虽然它工作,它只给出单词数量的总数,而不像前面的函数那样创建结果数组。
我希望结果看起来像这样:
Array
(
[happy] => 4
[beautiful] => 1
[lines] => 3
[pear] => 2
[gin] => 1
[rock] => 1
)
有什么建议吗?
虽然这不是您希望得到的答案,但我建议您首先重新考虑您的db设计。将多个标签用逗号分隔在一个字段中并不是很聪明。您应该为标签构建一个只有两列的分隔表:
- 标记
- 对应对象的id/post或任何你的应用关于
有很多优点:
- 更容易删除或添加标签。
- 你可以得到你正在寻找的数组没有一些蹩脚的php代码与一个单一的sql查询,如"选择标签,计数(id)从标签组由标签"
- 当你有很多标签时,这更容易,更快捷。
- 最后但并非最不重要的是,我敢打赌(不确定),MySQL不会有不同的字母问题,你显然得到在php-
可以使用PHP的PCRE函数的Unicode模式生成UTF-8(仅限!)版本。
function utf8_str_word_count($string, $format = 0, $charlist = null) {
if ($charlist === null) {
$regex = '/\pL[\pL\p{Mn}'-]*/u';
}
else {
$split = array_map('preg_quote',
preg_split('//u',$charlist,-1,PREG_SPLIT_NO_EMPTY));
$regex = sprintf('/(\pL|%1$s)([\pL\p{Mn}'-]|%1$s)*/u',
implode('|', $split));
}
switch ($format) {
default:
case 0:
// For PHP >= 5.4.0 this is fine:
return preg_match_all($regex, $string);
// For PHP < 5.4 it's necessary to do this:
// $results = null;
// return preg_match_all($regex, $string, $results);
case 1:
$results = null;
preg_match_all($regex, $string, $results);
return $results[0];
case 2:
$results = null;
preg_match_all($regex, $string, $results, PREG_OFFSET_CAPTURE);
return empty($results[0])
? array()
: array_combine(
array_map('end', $results[0]),
array_map('reset', $results[0]));
}
}
这个函数尽可能地遵循str_word_count
的语义;特别是,如果您将str_word_count
中的"locale dependent"替换为"UTF-8",则对于
在这个函数中,'word'被定义为区域设置包含字母字符的依赖字符串,也可以包含但不以"'"one_answers"-"开头的字符
另外,字符'
和-
被认为是单词的一部分,但不能作为单词的开头;然而,在$charlist
参数中指定的任何字符都可以开始一个单词,这意味着指定'
和/或-
会稍微改变函数的工作方式。此行为也匹配原始str_word_count
。
还值得注意的是,您可以通过适当地将pL
替换为字符属性(如p{Greek}
)来使函数仅识别Unicode脚本的某些子集——参见PCRE Unicode参考。