如何在文本中获得单词频率

-7

我知道如何使用爆炸和某些数组函数在文本中获得单词频率，但我真正想要的是获得2个单词或更多的频率。例如：
“这是一个示例文本，它是一个用于教育目的的示例文本。”如何在文本中获得单词频率

我需要的代码来做到这一点：
是（2）
示例文本（2）
样本（2）
....等等

在此先感谢。

来源

2013-06-18 dxer

显示一些努力：你有什么尝试？ –

@MarvinLabs我会如果我能这就是为什么我寻求帮助，所以如果你可以添加一些东西，这将是件好事。 – dxer

请参阅[我应避免询问什么类型的问题？]（http://stackoverflow.com/help/dont-ask）。 – budwiser

下面的代码将获得2个连续话：

$string = 'This is a sample text. It is a sample text made for educational purposes. This is a sample text. It is a sample text made for educational purposes.'; 

$sanitized = $even = preg_replace(array('#[^\pL\s]#', '#\s+#'), array(' ', ' '), $string); // sanitize: only letters, replace multiple whitespaces with 1 
$odd = preg_replace('#^\s*\S+#', '', $sanitized); // Remove the first word 

preg_match_all('#\S+\s\S+#', $even, $m1); // Get 2 words 
preg_match_all('#\S+\s\S+#', $odd, $m2); // Get 2 words 

$results = array_count_values(array_merge($m1[0], $m2[0])); // Merge results and count 
print_r($results); // printing

输出：

Array 
(
    [This is] => 2 
    [a sample] => 4 
    [text It] => 2 
    [is a] => 4 
    [sample text] => 4 
    [made for] => 2 
    [educational purposes] => 2 
    [It is] => 2 
    [text made] => 2 
    [for educational] => 2 
    [purposes This] => 1 
)

一个改进是转换字符串为小写？
我让其余的给你弄清楚:-)

来源

2013-06-18 08:47:06 HamZa

完美！你是非常感谢你的人！ – dxer

顺便说一下，你有什么方法可以扩展这段代码，这样它可以得到3个或更多的单词吗？此外，我不明白背后的奇数和偶数的概念，如果你解释我的逻辑将是伟大的。 – dxer

@dxer哦，是的，你可以将它改为3个单词，但是你必须重写正则表达式，或者添加另外的（也许很少）行。 “奇数”和“偶数”的概念最好用一个例子来说明：假设我有'a b a b'。我们有'a b' x2和'b a' x1。我们的正则表达式检查'word space word'，问题是当正则表达式匹配'a b'时会进一步移动，所以'b a'不会匹配。当它进一步移动时，第二部分将匹配'a b'。 – HamZa

一些伪代码，让您开始：

frequencies = empty array 
words = explode sentence on white spaces 
for each word in words : 
    sanitized word = trim word and convert to lower case 
    frequency[ sanitized word ] ++ 
endforeach

的frequency数组现在包含的次一个字出现在句子的数量。

来源

2013-06-18 08:13:38

这不是我的意思，这只能得到一个字的频率，我正在寻找的是2个字的频率 – dxer

如何在文本中获得单词频率

回答

相关问题