Conserver certaines phrases dans une chaîne

Question

Le code ci-dessous renvoie une liste de mots apparaissant le plus fréquemment dans la chaîne $commentstring, nettoyée de la ponctuation et des nombres. Cela fonctionne fantastique.

Cependant, les expressions familières et les noms de marque sont divisés en mots individuels. Je voudrais les combiner. Donc, si le mot «français» apparaît immédiatement avant «frites», je voudrais les garder combinées avec le mot «frites». Je voudrais arriver à une liste de phrases comme celle-ci comme «pépites de chocolat», «coca cola», «old school», etc. Comment pourrais-je faire cela?

$commentstring = str_replace(array('/', '*', ')', '(', '!', '.', ',', ':'), '', $commentstring); 

    $words = explode(" ", $commentstring); 


    $result = array(); 

    arsort($words); 







foreach($words as $word) { 

    if(!is_numeric($word)){ 
     $result[$word]++; 
     arsort($result); 
    } 

} 




    echo "<table>"; 


     $blacklist = array($submission, 'DESPITE', 'FARE', 'DECENT', 'AMAZING', 'WOULD', 'DISLIKE', 'HATE', 'OKAY', 'JUST', 'NOTHING', 'CURRENTLY', 'BASICALLY', 'BIT', 'COME', 'WANT', 'TOO', 'HERE', 'EATING', 'EAT', 'WAS', 'TRIED', 'TRY', 'MAKES', 'HAS', 'EVEN', 'THINK', 'BETTER', 'YET', 'MORE', 'LOVE', 'WHILE', 'WHERE', 'WRONG', 'FIND', 'EVER', 'RIGHT', 'BEST', 'HAVE', 'WE', 'WAY', 'GREAT', 'NICE', 'HOW', 'RESTAURANTS', 'RESTAURANT', 'EXCELLENT', 'FORGET', 'THEY', 'REALLY', 'MISS', 'VERY', 'LOOKING', 'YOU\'LL', 'CAN\'T', 'WON\'T', 'PLACE', 'ABOUT', 'FOR', 'MOST', 'GOOD', 'CAN', 'GET', 'THING', 'DON\'T', 'BY', 'YOUR', 'BE', 'YOU', 'BRING', 'THAT\'S', 'LITTLE', 'OTHER', 'MANAGES', 'ATE', 'ATE', 'EAT', 'SO', 'SOMEHOW', 'MAKE', 'ALL', 'UP', 'THEM', 'AS', 'THEM', 'YOU\'RE', 'WILL', 'ONLY', 'IF', 'GO', 'DO', 'I\'VE', 'HAD', 'TO', 'SOME', 'FOOD', 'THIS','DOES', 'NOT', 'IT.', 'IT,', 'SEEM', 'END', 'THERE\'S', 'WHETHER', 'DOUBT', 'WHAT', 'WHICH', 'RECOMMEND', 'THE', 'IS', 'A', 'IT\'S', 'OUT', 'JAN', 'IT', 'IT', 'IT', 'LIKE', 'THAN', 'WITH', 'SEEMS', 'WHICH', 'THAT', 'SAY', 'AT', 'ON', 'AN', 'BUT', 'APART', 'STILL', 'ARE', 'OR', 'TEST', 'IN', 'IT', 'AND', 'SET', 'TO', 'NO', 'OF', '', 'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', 'AA', 'BB', 'CC', 'DD', 'EE', 'FF', 'GG', 'HH', 'II', 'JJ', 'KK', 'LL', 'MM', 'NN', 'OO', 'PP', 'QQ', 'RR', 'SS', 'TT', 'UU', 'VV', 'WW', 'XX', 'YY', 'ZZ'); 


foreach($result as $word => $count1) 
{ 
    if (in_array($word, $blacklist)) continue; 


    echo '<tr>';  
    echo '<td>'; 
    echo "$word"; 
    echo '</td>'; 

    echo '<td>'; 
    echo "$count1 "; 
    echo '</td>'; 

    echo '</tr>'; 

    } 

    echo "</table>"; 

Answer 1

après votre boucle foreach seul mot, faites ceci:

$doublewords = array(); 
foreach ($words as $i=>$word) 
{ 
    if (!isset($words[$i+1])) continue; 
    $combined = strtolower($word." ".$words[$i+1]); 
    if (!isset($doublewords[$combined])) $doublewords[$combined] = 0; 
    $doublewords[$combined]++; 
} 

Ensuite $doublewords contient une combinaison double mot. Des choses comme "frites" se produiront plus souvent que des combinaisons aléatoires comme "ceci", de sorte qu'ils finiront par avoir un nombre plus élevé.

mise à jour pour le faire fonctionner pour une liste spécifique:

$doublewords = array(
    'french fries'=>0, 
    'french toast'=>0, 
); 
foreach ($words as $i=>$word) 
{ 
    if (!isset($words[$i+1])) continue; 
    $combined = strtolower($word." ".$words[$i+1]); 
    if (!isset($doublewords[$combined])) continue; 
    $doublewords[$combined]++; 
} 

(ps ajouté strtolower aussi bien.)