PHP：計算檔案或數組中單詞出現頻率

標籤：

一：如果是小檔案，可以一次性讀入到數組中，使用方便的數組計數函數進行詞頻統計（假設檔案中內容都是空格隔開的單詞）：

    <?php      $str = file_get_contents("/path/to/file.txt"); //get string from file      preg_match_all("/\b(\w+[-]\w+)|(\w+)\b/",$str,$r); //place words into array $r - this includes hyphenated words      $words = array_count_values(array_map("strtolower",$r[0])); //create new array - with case-insensitive count      arsort($words); //order from high to low       print_r($words)  

 二：如果是大檔案，讀入記憶體就不合適了，可以採用如下方法：

    <?php      $filename = "/path/to/file.txt";      $handle = fopen($filename,"r");      if ($handle === false) {        exit;        }      $word = "";      while (false !== ($letter = fgetc($handle))) {        if ($letter == ‘ ‘) {          $results[$word]++;          $word = "";          }        else {          $word .= $letter;          }      }      fclose($handle);      print_r($results);  

 

Linux命令經典面試題：統計檔案中出現次數最多的前10個單詞

使用linux命令或者shell實現：檔案words存放英文單詞，格式為每行一個英文單詞（單詞可以重複），統計這個檔案中出現次數最多的前10個單詞。

cat words.txt | sort | uniq -c | sort -k1,1nr | head -10

　　主要考察對sort、uniq命令的使用，相關解釋如下，命令及參數的詳細說明請自行通過man查看，簡單介紹下以上指令各部分的功能：

sort:  對單詞進行排序

uniq -c:  顯示唯一的行，並在每行行首加上本行在檔案中出現的次數

sort -k1,1nr:  按照第一個欄位，數值排序，且為逆序

head -10:  取前10行資料

 

 

PHP：計算檔案或數組中單詞出現頻率