怎么匹配出字符在文章里匹配次数最高的地方啊？

for($j=0; $j<count($ar)-1; $j++) {
  $t = $ar[$j][1];
  $r[$t] = 0;
  for($i=$j; $i<count($ar); $i++) {
    if($ar[$i][0] == '德国' || $ar[$i][0] == '丹麦') {
      if($ar[$i][1]+strlen($ar[$i][0]) - $t < 180) $r[$t]++;
      else $r[$t=$ar[$i][1]] = 0;
    }
  }
}arsort($r);
print_r($r);Array
(
    [0] => 6
    [6] => 5
    [157] => 5
    [4] => 5
    [137] => 5
    [249] => 5
    [253] => 4
    [332] => 4
    [141] => 4
    [471] => 4
    [389] => 4
    [299] => 4
    [273] => 4
    [47] => 4
    [10] => 4
    [161] => 4
    [80] => 4
    [336] => 3
    [303] => 3
    [500] => 3
    [277] => 3
    [475] => 3
    [51] => 3
    [876] => 3
    [84] => 3
    [393] => 3
    [880] => 2
    [504] => 2
    [964] => 2
    [586] => 2
    [701] => 2
    [516] => 2
    [914] => 2
    [1135] => 2
    [1190] => 1
    [1139] => 1
    [968] => 1
    [918] => 1
    [705] => 1
    [520] => 1
    [590] => 1
)结果数组的含义是：键：原串的偏移值：关键自出现的次数
即 701 => 2 表示从第 701 开始的 180 字节中，关键字出现了 2 次

1，扫一遍找出所有的关键字。
2，再扫一遍，计算出每个end_index位置之前的关键字总数，同时计算180个字符之前的beg_index位置的关键字个数差值。
3，对关键字差值最大的180长度的段，strrstr,strstr分别头尾找到一个关键字，把多余的部分切掉，这样可以让字符再少一点。

<?php
$content = <<<EOF
德国和丹麦都在第一场比赛1-0获胜，在次轮比赛中，德国2-1击败荷兰，两场小组赛战罢，德国队虽然拿到了6分，但依然未能保证出线，最后一场如果输给丹麦仍然有出局可能。丹麦上一场在0-2落后的情况下连追两球，但最后还是2-3输给葡萄牙，将小组次席拱手让给葡萄牙。丹麦想要出线必须力争击败德国，好在他们也不缺乏击败德国的感觉。在两队最近3场交手中，丹麦令人吃惊地2胜1平占据上风，最近一次交手是在2010年8月，丹麦在落后两球情况下扳平比分。两队上一次在欧洲杯交手则是1992年欧洲杯决赛，当时正是丹麦童话的巅峰，北欧人2-0击败德国夺冠。在德国队前两场比赛中，戈麦斯成为最大的亮点。超级马里奥连续两场比赛包揽了德国3粒进球，恐怖的是他进3球居然只花了6脚射门。戈麦斯目前以3球排名射手榜首位，自从1976年欧洲杯穆勒单届射进4球以来，德国队此后36年还没有任何球员欧洲杯单届进球超过3个。左边锋波多尔斯基在此前两场小组赛均打满全场，国家队出场次数达到99场，本场有望实现百场。双方都没有对首发阵容进行大的调整，德国队只是因为博阿滕停赛而派上了本德，丹麦也只换上鲍尔森，队内元老罗梅达尔因伤缺席。本场德国前锋波多尔斯基迎来国家队第100场比赛，小将本德则是首次在国家队首发。第2分钟，赫迪拉禁区前沿左侧传中，中路无人拿到皮球，后点穆勒胸部停球后左脚抽射稍稍高出。第5分钟，丹麦左侧角球，本特纳远点头球攻门被诺伊尔拿到。1分钟后，德国迅速反击，厄齐尔左侧直塞，波多尔斯基传中，克亚尔解围不力，穆勒门前3米处射门被安德森神奇化解。第12分钟，戈麦斯禁区外围左脚远射高出。
EOF;
$keywords = array('德国', '丹麦');function get_summary($content, $keywords, $encoding) {
        $ndx = 0;
        $res = array();
        $end_ndx = mb_strlen($content, $encoding); // utf-8 file-encoding in my linux
        while ($ndx < $end_ndx) {
                $is_found = 0;
                foreach ($keywords as $keyword) {
                        $len = mb_strlen($keyword, $encoding);
                        if ($ndx + $len <= $end_ndx) {
                                $word = mb_substr($content, $ndx, $len, $encoding);
                                if ($word == $keyword) {
                                        $is_found = 1;
                                        break;
                                }
                        }
                }
                if ($is_found) {
                        $res[$ndx + $len - 1] = array('length' => $len, 'keyword' => $word); //details
                        $ndx += $len;
                } else {
                        $ndx += 1;
                }
        }
        if (count($res) == 0) {
                return false; // no keywords found at all
        }
        $ndx = 0;
        $total = 0;
        $max_times = -1;
        $max_beg = 0;
        $max_end = 0;
        $key_count = array();
        foreach ($keywords as $key) {
                $key_count[$key] = 0;
        }
        $count[-1] = array('times' => 0, 'key_count' => $key_count);
        for ($i = 0; $i != $end_ndx; ++ $i) {
                if (isset($res[$i])) {
                        $key_count[$res[$i]['keyword']] += 1;
                        $total += 1;
                }
                $count[$i] = array('times' => $total, 'key_count' => $key_count);
                if ($i - 180 >= -1) {
                        foreach ($keywords as $word) {
                                $cnt = $count[$i]['key_count'][$word] - $count[$i - 180 + 1]['key_count'][$word];
                                if ($cnt == 0) {
                                        continue; // dosen't include all keywords
                                }
                        }
                        $times = $count[$i]['times'] - $count[$i - 180]['times'];
                } else {
                        $times = $count[$i]['times'];
                }
                if ($times > $max_times) {
                        $max_times = $times;
                        $max_beg = ($i - 180 + 1) < 0 ? 0 : ($i - 180 + 1);
                        $max_end = $i;
                }
        }
        if ($max_times != -1) {
                return mb_substr($content, $max_beg, $max_end - $max_beg + 1, $encoding);
        }
        return false;
}$result = get_summary($content, $keywords, "utf8");
print_r($result);
//print_r($result);
?>[User:root Time:00:35:17 Path:/home/liangdong/php]$ php preg.php
德国和丹麦都在第一场比赛1-0获胜，在次轮比赛中，德国2-1击败荷兰，两场小组赛战罢，德国队虽然拿到了6分，但依然未能保证出线，最后一场如果输给丹麦仍然有出局可能。丹麦上一场在0-2落后的情况下连追两球，但最后还是2-3输给葡萄牙，将小组次席拱手让给葡萄牙。丹麦想要出线必须力争击败德国，好在他们也不缺乏击败德国的感觉。在两队最近3场交手中，丹麦不知道对不对啊，保证180个字符出现所有关键字，并且出现总次数最大。

额，continue用在foreach里了，误会，改了如下：[User:root Time:02:19:04 Path:/home/liangdong/php]$ php preg.php
[User:root Time:02:19:05 Path:/home/liangdong/php]$ cat preg.php
<?php
$content = <<<EOF
德国和丹麦都在第一场比赛1-0获胜，在次轮比赛中，德国2-1击败荷兰，两场小组赛战罢，德国队虽然拿到了6分，但依然未能保证出线，最后一场如果输给丹麦仍然有出局可能。丹麦上一场在0-2落后的情况下连追两球，但最后还是2-3输给葡萄牙，将小组次席拱手让给葡萄牙。丹麦想要出线必须力争击败德国，好在他们也不缺乏击败德国的感觉。在两队最近3场交手中，丹麦令人吃惊地2胜1平占据上风，最近一次交手是在2010年8月，丹麦在落后两球情况下扳平比分。两队上一次在欧洲杯交手则是1992年欧洲杯决赛，当时正是丹麦童话的巅峰，北欧人2-0击败德国夺冠。在德国队前两场比赛中，戈麦斯成为最大的亮点。超级马里奥连续两场比赛包揽了德国3粒进球，恐怖的是他进3球居然只花了6脚射门。戈麦斯目前以3球排名射手榜首位，自从1976年欧洲杯穆勒单届射进4球以来，德国队此后36年还没有任何球员欧洲杯单届进球超过3个。左边锋波多尔斯基在此前两场小组赛均打满全场，国家队出场次数达到99场，本场有望实现百场。双方都没有对首发阵容进行大的调整，德国队只是因为博阿滕停赛而派上了本德，丹麦也只换上鲍尔森，队内元老罗梅达尔因伤缺席。本场德国前锋波多尔斯基迎来国家队第100场比赛，小将本德则是首次在国家队首发。第2分钟，赫迪拉禁区前沿左侧传中，中路无人拿到皮球，后点穆勒胸部停球后左脚抽射稍稍高出。第5分钟，丹麦左侧角球，本特纳远点头球攻门被诺伊尔拿到。1分钟后，德国迅速反击，厄齐尔左侧直塞，波多尔斯基传中，克亚尔解围不力，穆勒门前3米处射门被安德森神奇化解。第12分钟，戈麦斯禁区外围左脚远射高出。
EOF;
$keywords = array('德国', '丹麦', "注定不存在的单词");function get_summary($content, $keywords, $encoding) {
        $ndx = 0;
        $res = array();
        $end_ndx = mb_strlen($content, $encoding); // utf-8 file-encoding in my linux
        while ($ndx < $end_ndx) {
                $is_found = 0;
                foreach ($keywords as $keyword) {
                        $len = mb_strlen($keyword, $encoding);
                        if ($ndx + $len <= $end_ndx) {
                                $word = mb_substr($content, $ndx, $len, $encoding);
                                if ($word == $keyword) {
                                        $is_found = 1;
                                        break;
                                }
                        }
                }
                if ($is_found) {
                        $res[$ndx + $len - 1] = array('length' => $len, 'keyword' => $word); //details
                        $ndx += $len;
                } else {
                        $ndx += 1;
                }
        }
        if (count($res) == 0) {
                return false; // no keywords found at all
        }
        $ndx = 0;
        $total = 0;
        $max_times = -1;
        $max_beg = 0;
        $max_end = 0;
        $key_count = array();
        foreach ($keywords as $key) {
                $key_count[$key] = 0;
        }
        $count[-1] = array('times' => 0, 'key_count' => $key_count);
        for ($i = 0; $i != $end_ndx; ++ $i) {
                if (isset($res[$i])) {
                        $key_count[$res[$i]['keyword']] += 1;
                        $total += 1;
                }
                $count[$i] = array('times' => $total, 'key_count' => $key_count);
                if ($i - 180 >= -1) {
                        foreach ($keywords as $word) {
                                $cnt = $count[$i]['key_count'][$word] - $count[$i - 180 + 1]['key_count'][$word];
                                if ($cnt == 0) {
                                        break; // dosen't include all keywords
                                }
                        }
                        if ($cnt == 0) {
                                continue;
                        }
                        $times = $count[$i]['times'] - $count[$i - 180]['times'];
                } else {
                        foreach ($keywords as $word) {
                                $cnt = $count[$i]['key_count'][$word];
                                if ($cnt == 0) {
                                        break; // same as the above
                                }
                        }
                        if ($cnt == 0) {
                                continue;
                        }
                        $times = $count[$i]['times'];
                }
                if ($times > $max_times) {
                        $max_times = $times;
                        $max_beg = ($i - 180 + 1) < 0 ? 0 : ($i - 180 + 1);
                        $max_end = $i;
                }
        }
        if ($max_times != -1) {
                return mb_substr($content, $max_beg, $max_end - $max_beg + 1, $encoding);
        }
        return false;
}$result = get_summary($content, $keywords, "utf8");
print_r($result);
?>

还行, 效率因为字符串匹配有下降, 整体就是就是O(n)+O(len*num)，n是content长度，num是关键字个数，len是最长关键字个数。但灵活性足够大了, 编码灵活, 关键字可以随便填，再说你用的是接口，实现可以不管。C语言出身，不太喜欢用PHP的思维思考，喜欢自己写。

[User:root Time:05:19:12 Path:/home/liangdong/php]$ php preg.php
德国和丹麦都在第一场比赛1-0获胜，在次轮比赛中，德国2-1击败荷兰，两场小组赛战罢，德国队虽然拿到了6分，但依然未能保证出线，最后一场如果输给丹麦仍然有出局可能。丹麦上一场在0-2落后的情况下连追两球，但最后还是2-3输给葡萄牙，将小组次席拱手让给葡萄牙。丹麦想要出线[User:root Time:05:19:13 Path:/home/liangdong/php]$ 有的，你确定你也是utf8编码？

接口给你提供encoding了，你看你数据编码是啥就啥呗。

调试易

怎么匹配出字符在文章里匹配次数最高的地方啊？

解决方案 »