Php 如何改进我的算法？/搜索并替换格式化文本中的单词/

我有一个html源代码和一组关键字。我试图在关键字数组中找到以任何关键字开头的所有单词，并将其包装在链接标记中

例如，关键字数组有两个值：

[ABC，DEF]

。它应该匹配

ABCDEF

，

DEFAD

等，并用超链接标记将每个单词包装起来

以下是我目前掌握的代码：

$_keys = array('ABC', 'DEF');
$text = 'Some ABCDD <strong>HTML</strong> text. DEF';

function search_and_replace(($key,$text)
{
    $words = preg_split('/\s+/', trim($text)); //to seprate words in $_text
    for($words as $word) 
    {
        if(strpos($word,$key) !== false)
        {
            if($word.startswith($key)) 
            {
                str_replace($word,'<a href="">'.$word.'</a>,$_text);
            }
        }

    }
    return text;
}


for($_keys as $_key)
{
    $text = search_and_replace($key,$text);
}

$\u keys=array（'ABC'，'DEF'）；
$text='一些ABCDDHTMLtext。定义'；
函数搜索和替换（$key，$text）
{
$words=preg_split（'/\s+/'，trim（$text））；//在$_text中分离单词
for（$words作为$word）
{
if（strpos（$word，$key）！==false）
{
if（$word.startswith（$key））
{
str_替换（$word，，$_text）；
}
}
}
返回文本；
}
用于（$\键作为$\键）
{
$text=搜索和替换（$key，$text）；
}

我的问题是:

这个算法有效吗

我将如何修改它以使用UTF-8

如何识别html中的超链接并忽略它们（不希望在超链接中放置超链接）

这个算法安全吗

---

为了最大限度地提高性能，您应该查看

Trie

（与

检索树

）数据结构。（）如果我是你，我会首先构建一个

Trie

，其中包含HTML页面中的单词。在这一步，你还可以检查单词是否在

标记中，如果是，那么就不要将其添加到

Trie

。你可以通过

Regex

匹配来轻松做到这一点，以最大限度地提高你应该查看的性能到

Trie

（与

检索树相同）数据结构。（）如果我是你，我会首先构建一个
Trie
，其中包含HTML页面中的单词。在这一步，你还可以检查单词是否在
标记中，如果是，那么就不要将其添加到
Trie
。你可以通过
Regex
匹配来轻松实现这一点

preg_match_all("/\b".$word."\B*\b/",$matches);
foreach($matches as $each) {
    print($each[0]);
}

（对不起，我的PHP有点生锈）
正则表达式怎么样

preg_match_all("/\b".$word."\B*\b/",$matches);
foreach($matches as $each) {
    print($each[0]);
}

（对不起，我的PHP有点生疏）
算法“正确”吗？（我读的是“准确”）

不，不是。因为
str\u replace

一个字符串或数组，其中包含在主题中搜索的所有实例
替换为给定的替换值

您匹配的字符串并不是唯一被替换的字符串。以您的示例为例，如果您对数据集运行此函数，则最终会将每次出现的
ABC
包装在多个标记中（只需运行代码即可查看，但您必须修复语法错误）

使用UTF-8字母表？

不确定，但正如我所写的，我不这么认为。参见。PREG函数应该是多字节安全的

我想在搜索操作中删除每个标签中的所有单词

这太难了。你必须避免
；你可以修改它来轻松完成你想要的任务

更好的替代方法？

当然。你在这里展示的是最糟糕的方法之一。我建议你使用
preg\u replace
（另一个答案对你想要的正则表达式有一个很好的开始，匹配的单词比空格更破烂）但由于您希望避免更改某些元素，我现在认为在JS客户端中这样做要好得多。
算法“正确”吗？（我读的是“准确”）

不，不是。因为
str\u replace

一个字符串或数组，其中包含在主题中搜索的所有实例
替换为给定的替换值

您匹配的字符串并不是唯一被替换的字符串。以您的示例为例，如果您对数据集运行此函数，则最终会将每次出现的
ABC
包装在多个标记中（只需运行代码即可查看，但您必须修复语法错误）

使用UTF-8字母表？

不确定，但正如我所写的，我不这么认为。参见。PREG函数应该是多字节安全的

我想在搜索操作中删除每个标签中的所有单词

这太难了。你必须避免
；你可以修改它来轻松完成你想要的任务

更好的替代方法？

当然。你在这里展示的是最糟糕的方法之一。我建议你使用
preg\u replace
（另一个答案对你想要的正则表达式有一个很好的开始，匹配的单词比空格更破烂）但是，由于您希望避免更改某些元素，我现在认为在JS客户端中这样做要好得多。
对于这样一个简单的任务将很好地发挥作用。其想法是查找所有超链接（以及可选的一些其他HTML元素）然后，我们可以自由地寻找和替换所需的关键字，最后我们将恢复删除的HTML元素

$_keys = array( 'ABC', 'DEF', 'ABČ' );

$text = 
'Some <a href="#" >ABC</a> ABCDđD <strong>ABCDEF</strong> text. DEF
<p class="test">
    <a href="#">PHP</a> is <em>the</em> most ABCwidely used 
    langČuage ABC for ABČogr ammDEFing on the webABC DEFABC.
</p>';

// array for holding html items replaced with tokens
$tokens = array();
$id = 0;

// we will replace all links and strong elements (a|strong)
$text = preg_replace_callback( '/<(a|strong)[^>]*>.*?<\/\1\s*>/s', 
    function( $matches ) use ( &$tokens, &$id ) 
    {
        // store matches into the tokens array
        $tokens[ '#'.++$id.'#' ] = $matches[0];
        // replace matches with the unique id
        return '#'.$id.'#';
    }, 
    $text 
);

echo htmlentities( $text );
/* - outputs: Some #1# ABCDđD #2# text. DEF <p class="test"> #3# is <em>the</em> most ABCwidely used langČuage ABC for pćrogrABCamming on the webABC DEFABC. </p>
   - note the #1# #2# #3# tokens
*/

// wrap the words that starts with items in $_keys array ( with u(PCRE_UTF8) modifier )
$text = preg_replace( '/\b('. implode( '|', $_keys ) . ')\w*\b/u', '<a href="">$0</a>', $text );

// replace the tokens with values
$text = str_replace( array_keys($tokens), array_values($tokens), $text );       

echo $text;

$_keys=array（'ABC'，'DEF'，'ABČ'）；
$text=
'一些ABCDđDABCDEFtext.DEF

是使用最广泛的
在ABC DEFABC网站上为ABČogr AMMGING发布ABC语言。
'；
//用于保存替换为标记的html项的数组
$tokens=array（）；
$id=0；
//我们将替换所有链接和强元素（a | strong）
$text=preg\u replace\u回调（'/]*>。？/s'，
函数（$matches）使用（&$tokens，&$id）
{
//将匹配项存储到令牌数组中
$tokens['#'.+$id.#']=$matches[0]；
//用唯一id替换匹配项
返回“#”。$id.#”；
}, 
$text
);
回音文本（$文本）；
/*-输出：在webABC DEFABC上，对于pć编程而言，一些1#D#D#2#text.DEF
#3#是最常用的语言ABC
-注意#1#2#3#标记
*/
//