在處理大量文本資料時,自動提取出現頻率最高的關鍵字是一項常見需求。本文將介紹一個實用的 PHP 函數 extract_keywords(),它能夠分析傳入的字串,找出出現次數最多的單字,並依頻率排序回傳陣列或以逗號分隔的字串。
extract_keywords() 函數接受四個參數:
function extract_keywords($str, $minWordLen = 3, $minWordOccurrences = 2, $asArray = false) {
// 內部排序函式:依出現次數遞減排序
function keyword_count_sort($first, $sec) {
return $sec[1] - $first[1];
}
// 移除非英數字元與多餘空白
$str = preg_replace('/[^\w\d\s]/', ' ', $str);
$str = trim(preg_replace('/\s+/', ' ', $str));
// 以空白分割單字
$words = explode(' ', $str);
$keywords = array();
// 統計各單字出現次數(忽略大小寫)
while (($c_word = array_shift($words)) !== null) {
if (strlen($c_word) <= $minWordLen) continue;
$c_word = strtolower($c_word);
if (array_key_exists($c_word, $keywords)) {
$keywords[$c_word][1]++;
} else {
$keywords[$c_word] = array($c_word, 1);
}
}
// 依出現次數排序
usort($keywords, 'keyword_count_sort');
// 過濾達到最小出現次數門檻的關鍵字
$final_keywords = array();
foreach ($keywords as $keyword_det) {
if ($keyword_det[1] < $minWordOccurrences) break;
array_push($final_keywords, $keyword_det[0]);
}
return $asArray ? $final_keywords : implode(', ', $final_keywords);
}
$text = "Lorem ipsum dolor sit amet, consectetur adipiscing elit. Curabitur eget ipsum ut lorem laoreet porta a non libero. Vivamus in tortor metus. Suspendisse potenti. Curabitur metus nisi, adipiscing eget placerat suscipit, suscipit vitae felis. Integer eu odio enim, sed dignissim lorem. In fringilla molestie justo, vitae varius risus lacinia ac. Nulla porttitor justo a lectus iaculis ut vestibulum magna egestas. Ut sed purus et nibh cursus fringilla at id purus.";
// 輸出:lorem, suscipit, metus, fringilla, purus, justo, eget, vitae, ipsum, curabitur, adipiscing
echo extract_keywords($text);
此函數可應用於內容摘要、標籤自動生成、SEO 關鍵字分析等場合。開發者可根據需求調整最小長度與出現次數門檻,以獲得更精準的結果。