不能說是提取關(guān)鍵字了，可以說是取詞，根據(jù)就是出現(xiàn)2次以上就可以認(rèn)為是詞，做些修改可以提取指定詞頻的詞，效果還不算好，有些高詞頻的詞，由于其會形成組詞，這樣這個詞的子詞取代其，因此沒有取到

基本方法：2個字符構(gòu)成最小的詞，而其的詞頻必定是從該詞的起點(diǎn)構(gòu)成的詞中最大的，通過不斷的加字符，路過出現(xiàn)小于這個最大的次品，可以認(rèn)為這個詞到了結(jié)束位置，取出這個詞，并且把所有的該詞占據(jù)的位置記錄下來，以減少重復(fù)判斷

加了些過濾的標(biāo)識符---詞不能包含標(biāo)點(diǎn)符號等

不足：對歧義沒有過多處理，利用的是最大正向遍歷，取2個字符假設(shè)為初始詞，可能是詞的一部分，路過出現(xiàn)沒有取到應(yīng)該取到的詞（路前面說的組合詞，只能證明這個詞還可以再分，是由幾個詞組合而來，按照最小詞原則，可以認(rèn)為這樣是可以的）

返回數(shù)組：

[0] => Array ( [0] => 大話西游 [1] => 2 [2] => Array ( [0] => 1 [1] => 892 ) [3] => 4 )

[0] =>詞字符串      [1] => 詞頻          [2] => 該詞出現(xiàn)的各個位置           [3] => 詞的長度，幾個字符

PHP代碼：里面的詞“周星星”出現(xiàn)了問題，因?yàn)榍懊嬗?nbsp; “周星馳“，周星最多出現(xiàn)的，所以還是不好，速度也不行，可能判斷重復(fù)的數(shù)組，修改下用鍵直接引用會快些

<?php
set_time_limit(0);


//解析字符串中英文支付，成為字符數(shù)組，得長度
//$fustr='dddddddddddddgdg大股東廣東';//帶解析的字符串
function str_arr($fustr,$mudi=1)
{$wz=0;
$arr=array();
while($wz<strlen($fustr)){
$zifu=$fustr[$wz];
if(ord($zifu)>127){$str=$zifu.$fustr[$wz+1];$wz=$wz+2;}


else{$str=$zifu;$wz++;}


$arr[]=$str;//放到數(shù)組里


}//end while($wz<strlen($fustr))
if($mudi==1)return $arr;
else return count($arr);
}
//測試
//$arr=str_arr($fustr,$mudi=1);
//print_r($arr);


//end 解析字符串


//截取函數(shù)，截取字符串?dāng)?shù)組，得到部分字符串
//$arr=array();//字符串?dāng)?shù)組
$ks=0;//截取開始位置
$long=10;//截取長度，多少個字符


function jiequ($arr,$ks,$long=0){
if($ks+$long>count($arr))return false;
$str=';
$maxlen=count($arr);
if($long==0)$end=$maxlen;
else $end=$ks+$long;
for($i=$ks;$i<$end;$i++){
$str.=$arr[$i];
}


return $str;


}//echo jiequ($arr,$ks,$long);




//查詢函數(shù)，得到從查詢位置開始的第一個匹配位置
$wz=0;//查詢位置
$arr=array();//字符串?dāng)?shù)組


$str='gjgg';//目標(biāo)字符串
$strarr=str_arr($str,1);
function dingwei($arr,$strarr,$kswz){


$len1=count($arr);//總字符串?dāng)?shù)組長度
$len2=count($strarr);//查詢字符串?dāng)?shù)組長度
$you=0;
$wz=$kswz;
//判斷是全等的第一個位置
while($wz+$len2<=$len1){
$isyou=0;
$wz1=$wz;
for($i=0;$i<$len2;$i++){


if($strarr[$i]!=$arr[$wz1]){
$isyou=1;


break;
}//end if($strarr[$i]!=$arr[$wz1])
$wz1++;
}//end for($i=0;$i<count($strarr)


if($isyou==1)$wz++;//位置移1
else {$you=1;$pos=$wz;break;}
}


if($you==0)return false;
else return $pos;
}
//全角半角轉(zhuǎn)換函數(shù)
function banjiao($str) 
{ 
$arr = array('０' => '0', '１' => '1', '２' => '2', '３' => '3', '４' => '4','５' => '5', '６' => '6', '７' => '7', '８' => '8', '９' => '9', 'Ａ' => 'A', 'Ｂ' => 'B', 'Ｃ' => 'C', 'Ｄ' => 'D', 'Ｅ' => 'E','Ｆ' => 'F', 'Ｇ' => 'G', 'Ｈ' => 'H', 'Ｉ' => 'I', 'Ｊ' => 'J', 'Ｋ' => 'K', 'Ｌ' => 'L', 'Ｍ' => 'M', 'Ｎ' => 'N', 'Ｏ' => 'O','Ｐ' => 'P', 'Ｑ' => 'Q', 'Ｒ' => 'R', 'Ｓ' => 'S', 'Ｔ' => 'T','Ｕ' => 'U', 'Ｖ' => 'V', 'Ｗ' => 'W', 'Ｘ' => 'X', 'Ｙ' => 'Y','Ｚ' => 'Z', 'ａ' => 'a', 'ｂ' => 'b', 'ｃ' => 'c', 'ｄ' => 'd','ｅ' => 'e', 'ｆ' => 'f', 'ｇ' => 'g', 'ｈ' => 'h', 'ｉ' => 'i','ｊ' => 'j', 'ｋ' => 'k', 'ｌ' => 'l', 'ｍ' => 'm', 'ｎ' => 'n','ｏ' => 'o', 'ｐ' => 'p', 'ｑ' => 'q', 'ｒ' => 'r', 'ｓ' => 's', 'ｔ' => 't', 'ｕ' => 'u', 'ｖ' => 'v', 'ｗ' => 'w', 'ｘ' => 'x', 'ｙ' => 'y', 'ｚ' => 'z','（' => '(', '）' => ')', '〔' => '[', '〕' => ']', '【' => '[','】' => ']', '〖' => '[', '〗' => ']', '“' => '[', '”' => ']','‘' => '[', '\' => ']', '｛' => '{', '｝' => '}', '《' => '<','》' => '>','％' => '%', '＋' => '+', '—' => '-', '－' => '-', '～' => '-','：' => ':', '。' => '.', '、' => ',', '，' => '.', '、' => '.', '；' => ',', '？' => '?', '！' => '!', '…' => '-', '‖' => '|', '”' => '"', '\' => '`', '‘' => '`', '｜' => '|', '〃' => '"','　' => ' '); 
return strtr($str, $arr); 
} 




//測試?yán)?/span>
$fuhao=array(',','.',';',':','"','/','>','<','?','=','+','|','\\','!','`','#','&','*','(',')','[',']','{','}','^','%','$',' ' );
$huaizi='的是得嗎嘛呀丫怎么啥哦啊嗄噢喔你我他她它從了很不這';
$fustr='《大話西游》：曾經(jīng)有一份真誠的愛情放在我面前，我沒有珍惜，等我失去的時候我才后悔莫及，人世間最痛苦的事莫過于此。你的劍在我的咽喉上割下去吧！不用再猶豫了！如果上天能夠給我一個再來一次的機(jī)會，我會對那個女孩子說三個字：我愛你。如果非要在這份愛上加上一個期限，我希望是——一萬年
周星弛泡妞經(jīng)典對白(先有心理準(zhǔn)備..~笑死你) 
一.公車站臺 
周星星:“小姐你踩到我腳了.“ 
漂亮小妞: “沒有吧,我離你那么遠(yuǎn).“ 
周星星: “我是說,如果你把腳不小心放在了我腳上,就是踩到我腳了.“ 
漂亮小妞: “神經(jīng)病.“ 
周星星: “哇,小姐好眼力,我確實(shí)有神經(jīng)病史,一般看見漂亮的女孩就發(fā)作.“ 
漂亮小妞: “你們男人總是那樣,說些無聊的話故意引女孩子故意.好象以為自己很帥.　 
周星星: “小姐你錯了，我從不以為我自己帥,而是我本身就很帥.“ 
漂亮小妞: “別那么惡心人好吧.我要吐了.“ 
周星星: “在你吐之前我可以問你個問題嗎?“ 
漂亮小妞: “有屁快放“. 
周星星: “你為什么要昧著良心否定我的帥?“ 
漂亮小妞: “滾........“ 


二.公車上 
漂亮小妞: “怎么又是你？“ 
周星星: “有時候我的確無處不在.“ 
漂亮小妞: “你知不知道你很煩人，那么多位置不坐，偏要坐我旁邊.“ 
周星星: “小姐，你搞清楚，我只是坐了個空位置，而空位置的旁邊，剛好有個你，如此而已.“ 
漂亮小妞: “前面也有個空位置你怎么不去？“ 
周星星: “噢，明白了，原來你是想看我屁股，或者我用屁股看你？“ 
漂亮小妞: “快滾....“ 


三.下了公車 
漂亮小妞:“你為什么又下車？“ 
周星星: “反正不是因?yàn)槟?！我喜歡閑逛.“ 
漂亮小妞: “我告你性騷擾，你哪個單位的？“ 
周星星: “你是說斤，還是焦耳，牛頓？“ 
漂亮小妞: “我跟你很熟嗎？老說這種無厘頭話，對不起，我不感冒！“ 
周星星: “是呀，我們一點(diǎn)都不熟.我們好比一個枝頭的兩棵青草莓，酸酸的.“ 
漂亮小妞: “看了幾次大話西游，學(xué)了幾句唐僧話，以為你很幽默么？“ 
周星星: “幽默是天生的，要怪，你去怪我媽嘛.對了，還有我爸爸...“ 
漂亮小妞: “神經(jīng).“ 
周星星: “你媽神經(jīng).“ 
漂亮小妞: “你媽神經(jīng).“ 
周星星: “你看你,明明是你媽卻要硬說成是我媽,莫非你想....“ 
漂亮小妞: “給我滾....“ 
四.肯得基門口 
漂亮小妞:“不會吧,我怎么那么倒霉又遇到你.“ 
周星星:“ “我也發(fā)覺了，我想我前輩子的罪一定很重“ 
漂亮小妞:“你說清楚點(diǎn)！小心我扁你！“ 
周星星:““你敢.我會叫的.“ 
漂亮小妞: “叫什么？“ 
周星星:““非禮呀.“ 
漂亮小妞:“你以為會有人理你么？“ 
周星星:“ “沒有也好，我非禮回來好了.“ 
漂亮小妞:“天拉，你這樣的無賴都有，真是瞎了老天的眼！“ 
周星星:“ “恩，是呀，要不然這世界上也不會存在什么所謂的精英.“ 
漂亮小妞:“........“ 
五.肯得基里 
漂亮小妞:“別說話,你一說話我就煩.“ 
周星星:“ “我還沒說呀，講點(diǎn)道理好不好？“ 
漂亮小妞: “我都叫你別說了，你說起話來象只蒼蠅，惡心死了.“ 
周星星:““噢，本來話能起到這么大的作用，實(shí)在是驚天地，泣鬼神喲，我可以做個兼職喲？“ 
漂亮小妞:“做什么？“ 
周星星:““去醫(yī)院幫人洗胃.“ 
漂亮小妞: “你沒的救了，早點(diǎn)回去料理后事吧.“ 
周星星:““臨死前我沒有什么要求，我只想對你說幾個字，又怕你不答應(yīng).你答應(yīng)么？“ 
漂亮小妞: “說吧，合理要求可以考慮.“ 
周星星:““這頓肯得基你請我好嗎?“ 
漂亮小妞:“去死.....“ 
六.出肯得基 
漂亮小妞:“你沒女朋友嗎?星期天一個人閑逛?“ 
周星星:““準(zhǔn)確的說我沒女朋友,但有女性朋友,你問這個干嘛?“ 
漂亮小妞:“沒什么呀，關(guān)心你終生大事，不好嗎？“ 
周星星:““好，怎么不好？你好象我一個我深愛的人。“ 
漂亮小妞:“誰？..“ 
周星星:““我老媽.她也老喜歡問這問那。“ 
漂亮小妞: “要不是在街上這么多人看著，我真想揍你.“ 
周星星:““我都不怕別人看見你揍我,你怕什么呀?你呢，不陪男朋友嗎？“ 
漂亮小妞:“不要你管！“ 
周星星:““噢，明白了.被男朋友拋棄了，揍我想找心理平衡.“ 
漂亮小妞: “狗嘴里吐不出象牙.明說吧,我不想找.“ 
周星星:““考慮一下我吧,我吃點(diǎn)虧.“ 
漂亮小妞:“求你別再惡心我了.“ 
周星星:““我可以無條件充當(dāng)你的臨時演員,如果需要男朋友的時候請打***********“ 
漂亮小妞:“到時候再說.“ 
周星星:““告訴我你的電話好吧?“ 
漂亮小妞:“到時候再說.再煩我罵你了呀.“ 
周星星:““好呀，那你就發(fā)條信息罵我.“ 
漂亮小妞:.................. 


七.各自回家 
漂亮小妞:“奇怪,我真的好想發(fā)條信息去罵他.“ 
周星星:““呵呵.她不發(fā)信息罵我才奇怪.“ 
漂亮小妞:“完蛋了，難道我真的喜歡那個無賴了?“ 
周星星:“嘿嘿，她不喜歡我這個無賴那才叫完蛋.';
$arr=str_arr($fustr,1);
$maxlen=count($arr);
$str='瑪?shù)?#39;;
$strarr=str_arr($str,1);
$kswz=0;
$pos=dingwei($arr,$strarr,21);
var_dump($pos);
$ciarr=array();


//分詞過程，給定初始位置，由該位置查詢 ，假想每個位置都可以取出詞，然后判斷其是否有2個
$kswz=0;//開始取詞位置
while($kswz<$maxlen-1){
//首先判斷詞的開始點(diǎn)是否位于某個重復(fù)區(qū)域，若在則把詞的位置移到這一區(qū)域的后方


$isduan=0;//是否是斷的區(qū)域
for($i=0;$i<count($ciarr)&&$isduan==0;$i++){
$qu=$ciarr[$i][2];//已用的詞的區(qū)間，若在其內(nèi)則記錄該區(qū)間，并跳過
$qulen=$ciarr[$i][3];//區(qū)間的長度
for($i1=0;$i1<count($qu)&&$isduan==0;$i1++){
if($qu[$i1]<=$kswz&&$kswz<$qu[$i1]+$qulen){
$nextwz=$qu[$i1]+$qulen;
$isduan=1;
break;
}//end if($qu[$i1]<=$kswz


}//end for($i1=0;$i1<count($qu)


}//end for($i=0;$i<count($ciarr)


//路過在斷的區(qū)域,重新設(shè)置詞的開始位置，并跳過這次處理
if($isduan==1){
$kswz=$nextwz;


continue;
}
//判斷是否是符號，是著跳過
$zi=banjiao($arr[$kswz]);
if(in_array($zi,$fuhao)){
$kswz++;continue;
}
//是否壞字
if(strpos($huaizi,$arr[$kswz])!==false){$kswz++;continue;}


$nowci=array($arr[$kswz]);//初始詞，單個字符，還不能稱為詞
//依次取字符，構(gòu)成詞，得到該詞的個數(shù)，瞞住條件，記錄
$wz=$kswz+1;
$isci=0;//是否可以取到有效的詞
$first=1;//第1個詞，最小詞
//不斷加字的過程，通過加字，比較和2個字的詞的次數(shù)比較，取最長的詞
while($wz<$maxlen){
//判斷新增的字是否會在重復(fù)區(qū)間，從不在---在的過程，路過在，結(jié)束while
$isduan=0;//是否是斷的區(qū)域
for($i=0;$i<count($ciarr)&&$isduan==0;$i++){
$qu=$ciarr[$i][2];//已用的詞的區(qū)間，若在其內(nèi)則記錄該區(qū)間，并跳過
$qulen=$ciarr[$i][3];//區(qū)間的長度
for($i1=0;$i1<count($qu)&&$isduan==0;$i1++){
if($qu[$i1]<=$wz&&$wz<$qu[$i1]+$qulen){
//$nextwz=$qu[$i1]+$qulen;
$isduan=1;
break;
}//end if($qu[$i1]<=$kswz


}//end for($i1=0;$i1<count($qu)


}//end for($i=0;$i<count($ciarr)


//路過在斷的區(qū)域,重新設(shè)置詞的開始位置，并跳過這次處理
if($isduan==1){
break;
}//end 加字
//判斷是否是符號，是著跳過
$zi=banjiao($arr[$wz]);
if(in_array($zi,$fuhao)){
break;
}
//是否遇到壞字
if(strpos($huaizi,$arr[$wz])!==false)break;


//進(jìn)行區(qū)域
$nowci[]=$arr[$wz];//當(dāng)前詞的字符分割數(shù)組


$cishu=1;//初始詞數(shù)1
$wzarr=array($kswz);
//統(tǒng)計(jì)詞數(shù)，給出查詢的初始位置
$chaxunwz=$wz+1;
$cilen=count($nowci);
while($chaxunwz<$maxlen){
if(($pos=dingwei($arr,$nowci,$chaxunwz))!==false)//路過有則記錄
{
$chaxunwz=$pos+$cilen;//下次的查詢位置，位置+詞長
$cishu++;//詞數(shù)+1 
$wzarr[]=$pos; 
 
}//end if(($pos=dingwei($arr,$nowci,$chaxunwz))!==false


else break;


}//end while($chaxunwz<$maxlen)


//路過詞數(shù)》=2
if($cishu>=2){
//路過是最小詞時，記錄其詞頻，并作為最大詞頻
if($first==1){
$cistr=implode(',$nowci);//詞連成字符串
$maxcishu=$cishu;//最大詞數(shù)
$save=array($cistr,$maxcishu,$wzarr,$cilen);//說明0=》詞，1=》位置的數(shù)組。2=》詞的長度
$isci=1;
$first=0;
}//end if($first==1)


//非第1次記錄，需要與最大的詞頻比較，當(dāng)?shù)扔跁r記錄更新，否則停止
else{
//路過大于等于最大詞頻，更新
if($cishu>=$maxcishu){


$cistr=implode(',$nowci);//詞連成字符串
//$maxcishu=$cishu;//最大詞數(shù)
$save=array($cistr,$cishu,$wzarr,$cilen);//說明0=》詞，1=》位置的數(shù)組。2=》詞的長度




}//end if($cishu>=$maxcishu)
//路過詞數(shù)小于最大，結(jié)束
else break;


}//end else




}//end if($cishu>=2)


//路過小于2，直接結(jié)束
else break;
$wz++;


}//end while($wz<$maxlen)


//判斷是否該位置有有效的詞，路過有，記錄到詞組里
//路過有有效的詞
if($isci==1){
$ciarr[]=$save;//記錄一個詞


$kswz=$kswz+$save[3];//把開始位置移位


}//end if($isci==1)
//路過沒有有效詞，把詞的開始位置移1
else{
$kswz=$kswz+1;


}




}//end while($kswz<$maxlen-1)


print_r($ciarr);


  


?>