Php 从域中提取单词

我有一大堆领域，我想爆炸成文字。我从wordlist.sourceforge.net下载了wordlist，并开始编写蛮力类型的脚本，通过字典列表运行每个域

问题是我不能让它产生足够好的结果。我编写的简单脚本如下所示：

foreach($domains as $dom) {
    $orig_dom = $dom;
    foreach($words as $w) {
        $pos = stristr($dom,$w);
        if($pos) {
            $wd[$orig_dom][] = $w;
        }
    }
}

$words是字典数组，domains只是一个域名数组

结果如下所示：

[aheadsoftware] => Array
    (
        [0] => ahead
        [1] => head
        [2] => heads
        [3] => soft
        [4] => software
        [5] => ware

---

从技术上讲，它是可行的，但我不知道如何编写代码，这是一个技巧，让脚本明白如果你匹配“ahead”，你就不再有“head”或“heads”。它还应该理解选择“软件”而不是“软件”和“软件”。是的，我知道，语言计算的世界纯粹是痛苦；）

一个简单的解决方案可能是，每次你有一个匹配项，在你将单词添加到结果中之前，进行另一次

stristr

查找，看看你试图添加到结果中的单词是否包含在已经存在的任何单词中。如果是，不要加进去

例如，如果域包含“heads”，而您的词典首先列出“head”，则这将不起作用。您可能更愿意在结果中添加“heads”，而不是“head”

---

你可以通过检查哪一个更长来绕过这个限制。如果结果中包含的单词较长，请不要在中添加新词。如果新单词较长，请删除结果中已有的单词，然后添加新单词。

一个简单的解决方案可能是每次有匹配项时，在将单词添加到结果中之前，进行另一次

stristr

查找，查看您试图添加到结果中的单词是否包含在已存在的任何单词中。如果是，不要加进去

例如，如果域包含“heads”，而您的词典首先列出“head”，则这将不起作用。您可能更愿意在结果中添加“heads”，而不是“head”

---

你可以通过检查哪一个更长来绕过这个限制。如果结果中包含的单词较长，请不要在中添加新词。如果新单词较长，请删除结果中已有的单词，然后添加新单词。

为了证明这种方法的固有缺陷，请查看它为“Theenismighter than thesword.com”提供了什么（我已将其大写，以显示其意图；这不一定是您的算法产生的结果），这正是我要说的。你能建议更好的方法吗？不，英语是这类事情的噩梦。当我们不得不做类似的事情时，我们找了第三方（）来做，但即使他们也不能产生很好的结果。在某些时候，你必须选择是采用贪婪（即最长单词）还是非贪婪（最短单词）的方法。这是不可能绕过这个决定的，因为像您提供的例子这样的模棱两可之处是存在的。除非你指定了某种上下文无关的语法来配合它，但是祝你好运尝试使英语上下文无关。要证明这种方法的固有缺陷，请参阅它为“ThepenismitterThantheWord.com”提供的内容（我把它大写是为了表明目的；这不一定是你的算法会产生的结果）这正是我要说的。你能建议更好的方法吗？不，英语对这类事情来说是一场噩梦。当我们不得不做类似的事情时，我们与第三方合作（）但即使它们也不能产生很好的结果。在某个时候，你必须选择是贪婪（最长单词）还是非贪婪（最短单词）方法。这是不可能绕过这个决定的，因为像你提供的例子这样的歧义是存在的。这是除非你指定某种上下文无关的语法来配合它，但是祝你好运，尝试使英语上下文无关。