php将字符串匹配到多个关键字数组

我正在编写一个基本的分类工具，它将获取一个标题，然后将其与一系列关键字进行比较。例如：

$cat['dining'] = array('food','restaurant','brunch','meal','cand(y|ies)');
$cat['services'] = array('service','cleaners','framing','printing');
$string = 'Dinner at seafood restaurant';

是否有创造性的方法循环浏览这些类别，或查看哪个类别的匹配项最多？注意，在“dinning”数组中，我使用正则表达式来匹配单词candy的变体。我尝试了以下方法，但随着这些类别列表越来越长，我想知道这是否是最好的方法：

$keywordRegex = implode("|",$cat['dining']); 
preg_match_all("/(\b{$keywordRegex}\b)/i",$string,$matches]);

谢谢， 史蒂夫

编辑： 感谢@jmathai，我能够添加排名：

    $matches = array(); 
    foreach($keywords as $k => $v) {
        str_replace($v, '#####', $masterString,$count);
        if($count > 0){
            $matches[$k] = $count;
        }
    }
    arsort($matches);

$cat['dinning']=array（'food'、'restaurant'、'bunch'、'mean'）；
$cat['services']=数组（'service'、'cleaner'、'framing'、'printing'）；
$string=‘海鲜餐厅晚餐’；
$string=分解（“”，$string）；
foreach（$cat as$key=>$val）{
$kwdMatches[$key]=计数（数组相交（$string，$val））；
}
阿索特（kwdMatches美元）；
回声“；
印刷品（kwdMatches美元）；

您正在执行O（n*m）查找，n是类别的大小，m是标题的大小。您可以尝试这样组织它们：

// One-time reverse category creation
$reverseCat = array();    
foreach ($cat as $cCategory => $cWordList) {
   foreach ($cWordList as $cWord) {
       if (!array_key_exists($cWord, $reverseCat)) {
           $reverseCat[$cWord] = array($cCategory);
       } else if (!in_array($cCategory, $reverseCat[$cWord])) {
           $reverseCat[$cWord][] = $cCategory;
       }
   }
}

// Processing a title
$stringWords = preg_split("/\b/", $string);

$matchingCategories = array();
foreach ($stringWords as $cWord) {
   if (array_key_exists($cWord, $reverseCat)) {
       $matchingCategories = array_merge($matchingCategories, $reverseCat[$cWord]);
   }
}

$matchingCategories = array_unique($matchingCategories);

---

然后，对于标题中的每个单词，检查

$categories[$word]

以查找类别-这会得到O（m）。

如果字数不是太多，那么创建反向查找表可能是一个好主意，然后对其运行标题

function rMatch ($a,$b) {
  if (preg_match('~^'.$b.'$~i',$a)) return 0;
  if ($a>$b) return 1;
  return -1;
}

$string = explode(' ',$string);
foreach ($cat as $key => $val) {
  $kwdMatches[$key] = count(array_uintersect($string,$val,'rMatch'));
}
arsort($kwdMatches);

echo "<pre>";
print_r($kwdMatches);

---

好的，这是我的新答案，它允许您在$cat[n]值中使用正则表达式…关于这段代码，我只知道一个我无法理解的警告…出于某种原因，如果在$cat[n]值的开头有任何类型的元字符或字符类，它就会失败

示例：

*食物

不起作用。但是

s.afood

或

sea.*

等。。。或者您的

cand（y | ies）

示例将起作用。我认为这对你来说已经足够了，因为我认为正则表达式的目的是处理不同的单词时态，在这种情况下，单词的开头很少改变

$cat['dining'] = array('food','restaurant','brunch','meal','candy','candies');
$cat['services'] = array('service','cleaners','framing','printing');
$string = 'Dinner at seafood restaurant';

$max = array(null, 0); // category, occurences
foreach($cat as $k => $v) {
  $replaced = str_replace($v, '##########', $string);
  preg_match_all('/##########/i', $replaced, $matches);
  if(count($matches[0]) > $max[1]) {
    $max[0] = $k;
    $max[1] = count($matches[0]);
  }
}

echo "Category {$max[0]} has the most ({$max[1]}) matches.\n";

函数rMatch（$a，$b）{
if（preg_match（'~^'$b.$~i'，$a））返回0；
如果（$a>$b）返回1；
返回-1；
}
$string=分解（“”，$string）；
foreach（$cat as$key=>$val）{
$kwdMatches[$key]=count（数组_uintersect（$string，$val，'rMatch'）；
}
阿索特（kwdMatches美元）；
回声“；
印刷品（kwdMatches美元）；

这可以通过单个循环完成

为了提高效率，我会把糖果分成不同的条目。一个聪明的办法是用一些代币代替火柴。让我们用10

---

这不包括正则表达式？注意，如果需要排名，那么不是最后的

array_unique（）

调用，而是在

$matchingCategories

上快速循环O（n）以构建计数表，然后是

arsort（）

将给出降序排名。这是否处理了“cand（y）”呢‘条件？@daxiang28:对不起，我没有注意到，如果你只是把它写成‘糖果’，‘糖果’，那么它会的。你真的需要这里的regexp匹配吗？如果您可以在所有目标单词中使用任意regexp，那么我认为您必须将

$string

中的每个单词与

$cat

子数组中的每个单词进行匹配，速度非常慢。反向查找非常有趣。但在这种情况下，我必须处理这个词的每一个变体吗？如果我有一个关键字'piece'，但字符串是'4块糖'，它就不匹配了？@daxiang28:正确，你必须键入所有变体。不过，您可以绕过键入常规复数的需要。说出所有规则复数，只需在单词末尾加一个

+

，而不用再写一次。然后在

foreach（$cWordList as$cWord）

中，剥离并检测末端的任何

+

，在检测到的地方，同时将

的“

变量添加到

$reverseCat

。然后你只需要输入不规则的复数和其他形式。我对php不太了解，但我怀疑散列比正则表达式更快。如果您将其中一个值作为实际正则表达式（如cand（y | ies）将其作为主题的正则表达式运行，例如，将正则表达式值放入一个单独的散列。纯粹是天才。我对其进行了一些简化，并在我编辑的帖子中添加了匹配计数。@Daxiang 28:不过，这种方法必须将字符串单独与

$cat

中的每个单词进行匹配，而不是在字符串和变体ab中对每个单词进行快速查找ove您只获得匹配单词数最多的第一个类别名称。（您的更改在这方面更好）。此外，仍然存在必须输入所有变体的问题。尽管这很聪明。我可能会尝试在preg_match_all调用中使用单词边界标记来消除str_replace步骤。但此问题更麻烦的方面是解决方案的运行时。随着每个类别数组中元素数量的增加，循环次数会增加0在searh术语中使用f字。在关联列表中旋转数组（考虑这里的集合）将以内存换取运行时。即使如此，我认为is方法存在扩展问题。不过，对于小型项目来说可能已经足够好了。

function rMatch ($a,$b) {
  if (preg_match('~^'.$b.'$~i',$a)) return 0;
  if ($a>$b) return 1;
  return -1;
}

$string = explode(' ',$string);
foreach ($cat as $key => $val) {
  $kwdMatches[$key] = count(array_uintersect($string,$val,'rMatch'));
}
arsort($kwdMatches);

echo "<pre>";
print_r($kwdMatches);

$cat['dining'] = array('food','restaurant','brunch','meal','candy','candies');
$cat['services'] = array('service','cleaners','framing','printing');
$string = 'Dinner at seafood restaurant';

$max = array(null, 0); // category, occurences
foreach($cat as $k => $v) {
  $replaced = str_replace($v, '##########', $string);
  preg_match_all('/##########/i', $replaced, $matches);
  if(count($matches[0]) > $max[1]) {
    $max[0] = $k;
    $max[1] = count($matches[0]);
  }
}

echo "Category {$max[0]} has the most ({$max[1]}) matches.\n";