PHP如何统计文本中某个关键词的密度?

风强姑娘_8570

风强姑娘_8570

2026-11-19

162人浏览

原创

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。

PHP如何统计文本中某个关键词的密度?

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如何统计文本中某个关键词的密度?

<?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。

PHP如何统计文本中某个关键词的密度?

Build MCP servers and clients for PHP applications with the official PHP SDK
Build MCP servers and clients for PHP applications with the official PHP SDK

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。

下载
<?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!

相关文章

PHP速学教程(入门到精通)
PHP速学教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

php

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
php文件怎么打开
php文件怎么打开

打开php文件步骤:1、选择文本编辑器;2、在选择的文本编辑器中,创建一个新的文件,并将其保存为.php文件;3、在创建的PHP文件中,编写PHP代码;4、要在本地计算机上运行PHP文件,需要设置一个服务器环境;5、安装服务器环境后,需要将PHP文件放入服务器目录中;6、一旦将PHP文件放入服务器目录中,就可以通过浏览器来运行它。

2023.09.01

13184

6

php怎么取出数组的前几个元素
php怎么取出数组的前几个元素

取出php数组的前几个元素的方法有使用array_slice()函数、使用array_splice()函数、使用循环遍历、使用array_slice()函数和array_values()函数等。本专题为大家提供php数组相关的文章、下载、课程内容,供大家免费下载体验。

2023.10.11

7541

5

php反序列化失败怎么办
php反序列化失败怎么办

php反序列化失败的解决办法检查序列化数据。检查类定义、检查错误日志、更新PHP版本和应用安全措施等。本专题为大家提供php反序列化相关的文章、下载、课程内容,供大家免费下载体验。

2023.10.11

2275

5

php怎么连接mssql数据库
php怎么连接mssql数据库

连接方法:1、通过mssql_系列函数;2、通过sqlsrv_系列函数;3、通过odbc方式连接;4、通过PDO方式;5、通过COM方式连接。想了解php怎么连接mssql数据库的详细内容,可以访问下面的文章。

2023.10.23

4768

4

php连接mssql数据库的方法
php连接mssql数据库的方法

php连接mssql数据库的方法有使用PHP的MSSQL扩展、使用PDO等。想了解更多php连接mssql数据库相关内容,可以阅读本专题下面的文章。

2023.10.23

5494

6

html怎么上传
html怎么上传

html通过使用HTML表单、JavaScript和PHP上传。更多关于html的问题详细请看本专题下面的文章。php中文网欢迎大家前来学习。

2023.11.03

4311

9

PHP出现乱码怎么解决
PHP出现乱码怎么解决

PHP出现乱码可以通过修改PHP文件头部的字符编码设置、检查PHP文件的编码格式、检查数据库连接设置和检查HTML页面的字符编码设置来解决。更多关于php乱码的问题详情请看本专题下面的文章。php中文网欢迎大家前来学习。

2023.11.09

6277

8

php文件怎么在手机上打开
php文件怎么在手机上打开

php文件在手机上打开需要在手机上搭建一个能够运行php的服务器环境,并将php文件上传到服务器上。再在手机上的浏览器中输入服务器的IP地址或域名,加上php文件的路径,即可打开php文件并查看其内容。更多关于php相关问题,详情请看本专题下面的文章。php中文网欢迎大家前来学习。

2023.11.13

4942

8

sprintf函数用法详解
sprintf函数用法详解

sprintf函数的用法:1、格式化字符串;2、指定输出宽度和精度;3、返回值。更多关于sprintf函数用法详解的内容,大家可以阅读下面的文章。

2023.11.27

12602

4

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
墨刀帮助中心
墨刀帮助中心

共0课时 | 0人学习

MyEclipse学习中心
MyEclipse学习中心

共0课时 | 0人学习

Apache Subversion 官方手册
Apache Subversion 官方手册

共0课时 | 0人学习