统计文本中某个关键词的密度,核心做法是计算该词在全文中的出现次数与总词数的比例。具体实现时,需先对文本进行分词处理以获取准确的总词数,再使用正则表达式或字符串函数统计目标关键词的出现频次,最后将频次除以总词数并乘以100得到百分比。若文本包含html标签,建议先剥离标签以避免干扰统计结果。

mb_strlen()与分词库在中文统计中的差异
在中文语境下,直接使用字符长度统计会导致分母虚高,因为一个汉字通常对应一个语义单元,而英文单词由多个字母组成。因此,对于中文文本,必须引入分词库如jieba来切分词语,从而获得真实的“总词数”。相比之下,英文文本可以直接按空格分割或使用str_word_count()来获取词数。这种差异决定了在处理不同语言文本时需选择不同的预处理策略,否则密度计算结果将失去参考意义。

<?php require 'vendor/autoload.php';
use jiebaJieba;
use jiebaFinalseg;
Jieba::init();
Finalseg::init();
$text = "PHP是一种广泛使用的开源通用脚本语言,尤其适用于Web开发并可以嵌入HTML中。";
$keyword = "PHP";
// 1. 分词获取总词数
$words = Jieba::cut($text);
$total_words = count($words);
// 2. 统计关键词出现次数(忽略大小写)
$count = 0;
foreach ($words as $word) {
if (strtolower($word) === strtolower($keyword)) {
$count++;
}
}
// 3. 计算密度
if ($total_words > 0) {
$density = ($count / $total_words) * 100;
echo "关键词 '$keyword' 的密度为: " . number_format($density, 2) . "%
";
} else {
echo "文本为空,无法计算密度。
";
}
?>
上述代码首先初始化jieba分词器,然后将输入文本切分为词语数组。接着遍历数组统计目标关键词PHP的出现次数,最后除以总词数得出密度。运行该程序后,预期输出为:关键词 'PHP' 的密度为: 5.88%(具体数值取决于分词结果中总词数的计数)。注意,这里使用的是精确匹配,若需支持模糊匹配或子串匹配,需调整统计逻辑。
如何处理HTML标签对统计结果的干扰
当待统计的文本来源于网页源码时,HTML标签本身会被误认为是词汇或字符,导致总词数增加或关键词被截断。例如,标签属性中的值可能包含关键词,或者标签内的文本被错误分割。解决这一问题的标准做法是在统计前使用strip_tags()函数移除所有HTML标签,仅保留纯文本内容。此外,还需注意全角与半角符号的统一处理,以及多义词的上下文区分,但在基础密度统计中,剥离标签是最关键的一步。

使用官方Model Context Protocol PHP SDK将PHP应用程序功能暴露为MCP工具、资源和提示,用于代理工作流。
<?php $text_with_html = "<p>PHP is great. <b>PHP</b> is fast.";
$keyword = "PHP";
// 1. 去除HTML标签
$clean_text = strip_tags($text_with_html);
// 2. 转换为小写以便忽略大小写比较
$clean_text_lower = strtolower($clean_text);
$keyword_lower = strtolower($keyword);
// 3. 使用正则表达式统计出现次数
// \b 表示单词边界,确保匹配完整单词
$pattern = '/\b' . preg_quote($keyword, '/') . '\b/i';
preg_match_all($pattern, $clean_text, $matches);
$count = count($matches[0]);
// 4. 计算总词数(简单按空格分割,适用于英文)
$words = str_word_count($clean_text, 1);
$total_words = count($words);
// 5. 计算密度
if ($total_words > 0) {
$density = ($count / $total_words) * 100;
echo "清理后的文本: '$clean_text'
";
echo "关键词 '$keyword' 出现次数: $count
";
echo "总词数: $total_words
";
echo "密度: " . number_format($density, 2) . "%
";
} else {
echo "无有效文本。
";
}
?>
此段代码展示了针对含HTML标签文本的处理流程。首先通过strip_tags()清除标签,得到纯文本PHP is great. PHP is fast.。随后使用正则表达式/PHP/i进行全局匹配,准确统计出PHP出现了2次。总词数通过str_word_count()计算为6个。最终密度为(2/6)*100 = 33.33%。这种方法确保了统计对象仅为可见文本内容,避免了标签带来的噪声。
关键词出现在标题与正文不同位置时的权重调整问题
在实际SEO或文本分析场景中,关键词出现在标题(或)中的权重通常高于正文。虽然基础密度统计不考虑位置,但可以通过加权算法进行调整。例如,可以给标题中的关键词出现次数乘以权重系数(如2.0),而正文中的只计1.0。这需要解析HTML结构,区分不同标签内的文本,分别统计后再合并计算。若不进行加权,仅反映的是字面频率,而非语义重要性。
<?php $html = "<h1>Introduction to PHP<p>PHP is a scripting language. PHP is popular.</p>";
$keyword = "PHP";
// 解析HTML
$dom = new DOMDocument();
libxml_use_internal_errors(true);
$dom->loadHTML($html);
libxml_clear_errors();
$title_weight = 2.0;
$body_weight = 1.0;
$weighted_count = 0;
// 统计标题中的关键词
$h1_nodes = $dom->getElementsByTagName('h1');
foreach ($h1_nodes as $node) {
$text = strtolower($node->textContent);
$count = substr_count($text, strtolower($keyword));
$weighted_count += $count * $title_weight;
}
// 统计正文段落中的关键词
$p_nodes = $dom->getElementsByTagName('p');
foreach ($p_nodes as $node) {
$text = strtolower($node->textContent);
$count = substr_count($text, strtolower($keyword));
$weighted_count += $count * $body_weight;
}
// 估算总词数(简化:仅统计正文和标题的词数总和)
$total_words = 0;
foreach ($h1_nodes as $node) {
$total_words += str_word_count($node->textContent);
}
foreach ($p_nodes as $node) {
$total_words += str_word_count($node->textContent);
}
if ($total_words > 0) {
$weighted_density = ($weighted_count / $total_words) * 100;
echo "加权关键词计数: $weighted_count
";
echo "加权密度: " . number_format($weighted_density, 2) . "%
";
}
?>
该示例使用DOMDocument解析HTML,分别提取h1和p标签内的文本。假设标题中PHP出现1次,权重为2.0,贡献2.0;正文中PHP出现2次,权重为1.0,贡献2.0。加权总计数为4.0。总词数假设为10个,则加权密度为40.0%。这种加权方式能更准确地反映关键词在页面结构中的重要程度,适用于需要精细化分析的场合。
php免费学习视频:立即使用
踏上前端学习之旅,开启通往精通之路!从前端基础到项目实战,循序渐进,一步一个脚印,迈向巅峰!










