[php] Indexer - Klasse oder Funktion gesucht

[Sebastian Mendel]

Peter Bieling wrote:

> Andreas Demmer wrote:
> 
>> Für diese schwierige Aufgabe habe ich eine hochkomplexe Klasse 
>> geschrieben:
>>
>> <?php
>> $string = 'Das ist das Haus des Nikolaus und nebendran vom 
>> Weihnachtsmann.';
>> preg_match_all('|[a-zöäü]{4,}|i', $string, $words);
>> sort($words);
>> print_r($words);
>> ?>
>>
>> Fragen zur Funktionsweise der einzelnen Methoden beantworte ich gerne! 
>> ;-)
> 
> 
> ja, einfach genial. Ich hätte noch dies anzubieten:
> $words = preg_split('|\s+|', $string);
> 
> Aber die Sache ist doch etwas komplexer:
> 
> <zitat 
> src="http://www.hb.fh-gelsenkirchen.de/recherchehilfe/glossar.phtml">
> 
> Stoppwörter / Stopwords
> Manche Wörter werden bei der Suche ignoriert. Dies sind häufig und 
> unspezifisch vorkommende Wörter wie Artikel, Präpositionen, Pronomen 
> (z.B. der, die, das, ein, einer/s, er, sie, es, ab, von, zu...) usw. 
> sowie deren fremdsprachige Entsprechungen. Nach den Boole'schen 
> Operatoren und speziellen Zeichen (, -, &,...) kann ebenfalls nicht 
> gesucht werden, sowie nach Wörtern mit weniger als drei Zeichen. 
> Stoppwörter können nur als Teil einer Phrase gesucht werden (z.B. "Kampf 
> der Kulturen").
> </zitat>

ja, aber wo ist das Problem mit deiner Aufgabenstellung?
Splitten, Filtern, Fertig.

Suchst du noch eine Stoppwort-Liste?
Satzzeichen und Operatoren gelten nicht als '\w'


> Man muss ja auch noch die Satzzeichen ausfiltern und sich überlegen, wie 
> man mit Bindestrichen etc. umgeht.

\w schon mal probiert in einem regex?


> HTML-Entitities muss man vielleicht wieder umwandeln.

ach eben waren wir ncoh bei einem Deutschen String, jetzt haben wir 
schon HTML-Entities ...

-- 
Sebastian Mendel

www.sebastianmendel.de www.warzonez.de www.tekkno4u.de www.nofetish.com
www.sf.net/projects/phpdatetime        www.sf.net/projects/phptimesheet