Bir PHP Kütüphanesi/Çeşitli dillerde Kelimeleri Saymak için Sınıf?

Question

Yakın bir gelecekte yakın zamanlı bir kelime okuması yapmam gerekecek ya da bu mümkün değilse, bir çapraz dil karakter sayısı.

Sözcük sayımı, metnin dilini alarak, verilen metinde yer alan sözcüklerin doğru bir sayısını kastediyorum. Metnin dili bir kullanıcı tarafından belirlenir ve doğru olduğu varsayılır.

Karakter sayısı ile, yukarıda açıklanan aynı dil bilgisine sahip, verilen metin içinde yer alan "muhtemelen bir kelime içinde" karakterlerinin bir sayımıdır.

Eski sayımı çok isterdim, ancak ilgili zorlukların farkındayım. Ayrıca, ikinci sayımın çok daha kolay olduğunun farkındayım, ama eğer mümkün olursa, ilkini çok tercih ederim.

Sadece İngilizce'ye bakmak zorunda kalsaydım, ama her dili burada, Çince, Korece, İngilizce, Arapça, Hintçe vb.

Ben yığın taşması ben set_locale ile nasıl str_word_count gösteren iyi bir tembel programcı *

A simple test olduğum gibi, PHP bunu için varolan bir ürün/yöntem için aramaya başlamak için nereye herhangi bir ipucu olup olmadığını bilmek istiyorum

çalışmıyor ve php.net'in str_word_count sayfasından bir işlev yok.

* http://blogoscoped.com/archive/2005-08-24-n14.html

Answer 1

Sayma karakter olan kolay: İşin çetrefilli başlar nerede

echo strlen('一个有十的字符的句子'); // 30 (WRONG!) 
echo strlen(utf8_decode('一个有十的字符的句子')); // 10 

Sayma kelimeler Çin, Japon ve diğer için özel olduğunu sözcük ayırıcı olarak boşluk (veya diğer yaygın "sözcük sınırı" karakterleri) kullanmayan diller. Çince bilmiyorum ve Çince'de kelime sayımının nasıl işlediğini anlamıyorum, bu yüzden bana biraz eğitim vermelisiniz - bu dillerde bir kelime nedir? Herhangi bir özel char veya chars kümesi mi? T9 yazımında Japonca kelimeleri tanımlamanın ne kadar zor olduğuna dair bir şeyler okumayı hatırlıyorum ama artık bulamıyorum.

doğru kelimeleri ayırıcı olarak boşluk veya noktalama karakter kullanmak dilde kelime sayısını dönmelidir aşağıdadır:

count(preg_split('~[\p{Z}\p{P}]+~u', $string, null, PREG_SPLIT_NO_EMPTY)); 

Answer 2

Bir dene:

<? 
function count_words($str){ 
    $words = 0; 
    $str = eregi_replace(" +", " ", $str); 
    $array = explode(" ", $str); 
    for($i=0;$i < count($array);$i++) 
     { 
     if (eregi("[0-9A-Za-zÀ-ÖØ-öø-ÿ]", $array[$i])) 
      $words++; 
    } 
    return $words; 
} 
echo count_words('This is the second one , it will count wrong as well" , it will count 12 instead of 11 because the comma is counted too.'); 
?>