PHP如何获取所有子目录中的所有文件（仅html文件）并索引每个html页面

Question

对于家庭作业，我必须获取当前目录和所有子目录中的所有 .htm 和 .html 文件，并且必须通过单独计算文件中出现的所有单词来对它们进行索引。

在目录中找到 html 文件后，我将如何计算文件：

$file = '.html';
$index = indexer($file);
echo '<pre>'.print_r($index,true).'</pre>';

function indexer($file) {
    $index = array();
    $find = array('/\r/','/\n/','/\t/','!',',','.','"',';',                           ':');
    $replace = array(' ',' ',' ',' ',' ',' ',' ',' ',' ');
    $string = file_get_contents($file);
    $string = strip_tags($string);
    $string = strtolower($string);
    $string = str_replace($find, $replace, $string);
    $string = trim($string);
    $string = explode(' ', $string);
    natcasesort($string);
    $i = 0;
    foreach($string as $word) {
        $word = trim($word);
        $ignore = preg_match('/[^a-zA-Z]/', $word);
        if($ignore == 1) {
            $word = '';
        }
        if( (!empty($word)) && ($word != '') ) {
            if(!isset($index[$i]['word'])) {
                $index[$i]['word'] = $word;
                $index[$i]['count'] = 1;
            } elseif( $index[$i]['word'] == $word ) {
                $index[$i]['count'] += 1;
            } else {
                $i++;
                $index[$i]['word'] = $word;
                $index[$i]['count'] = 1;
            }
        }
    }
    unset($work);
    return($index);
}

我只需要首先弄清楚如何找到目录中的所有 htm 或 html 文件，然后开始在每个 htm/html 文件上使用上述代码。任何帮助将不胜感激，谢谢！

Answer 1

好吧，因为这是家庭作业，所以我不会给你代码。但我可以为你指出正确的方向。通常对于这种类型的事情，人们使用递归函数。函数调用自身的地方。

此函数应执行以下操作：

• 统计当前目录下所有htm和html文件的所有行数。
• 将这些数字相加，然后将它们添加到函数外部的全局变量中（只需使用 global，您可以返回每次调用的行数，然后将它们相加，但这很麻烦）李>
• 为当前目录中的每个文件夹再次调用此函数（循环遍历它们）
• 回到起点后，重置全局变量并返回其值

Answer 2

尝试使用glob 函数。

$files = glob('*.htm*');
foreach($files as $file) {
//code here
}

已编辑：

    function readDir($path) {
  $files = glob($path . '*.*');

  foreach ($files as $file) {
    if (is_dir($file)) {
      $html_files = array_merge((array) readDir($file . '/'), (array) $html_files);
    }

    if (in_array(strtolower(end(explode('.', $file))), array('html', 'htm'))) {
      $html_files[] = $file;
    }
  }

  return $html_files;
}

刚刚编辑了答案，试试这个。 （注意：我没有在任何网站上测试过代码。） 谢谢

Answer 3

这是使用RecursiveIteratorIterator、RecursiveDirectoryIterator 和pathinfo() 的替代方法。

<?php

$dir = '/';

$iterator = new RecursiveIteratorIterator(new RecursiveDirectoryIterator($dir), RecursiveIteratorIterator::CHILD_FIRST);

foreach ( $iterator as $path )
  if ( $path->isFile() && preg_match('/^html?$/i', pathinfo($path->getFilename(), PATHINFO_EXTENSION)) )
    echo $path->getPathname() . PHP_EOL;

如果需要获取当前工作目录，可以使用getcwd()（即$dir = getcwd();）。

要获得内容的长度，您可以做一些事情。您可以使用file_get_contents 检索文件的内容，并使用strlen 计算长度或使用str_word_count 计算字数。另一种选择是使用$path->getSize()。

如果您使用数组来存储名称和大小，则可以使用自定义函数和uasort 按大小对数组进行排序。

一个更完整的例子：

<?php

function sort_by_size($a, $b)
{
  if ( $a['size'] == $b['size'] )
    return 0;

  return ( $a['size'] < $b['size'] ? -1 : 1 );
}

$dir = '/';
$files = array();

$iterator = new RecursiveIteratorIterator(new RecursiveDirectoryIterator($dir), RecursiveIteratorIterator::CHILD_FIRST);

foreach ( $iterator as $path )
  if ( $path->isFile() && preg_match('/^html?$/i', pathinfo($path->getFilename(), PATHINFO_EXTENSION)) )
    $files[] = array(
      'name' => $path->getPathname(),
      'size' => $path->getSize()
    );

uasort($files, sort_by_size);

然后可以使用foreach 循环循环$files 数组。它将包含路径名和大小。

Answer 4

您对可以使用的函数/类有任何限制吗？如果没有，请查看RecursiveDirectoryIterator，它将让您通过 dirs 递归迭代目录中的所有项目。然后，您可以匹配每个项目的扩展名，如果匹配，则基本上进行计数。

另一种方法是在遍历目录时使用glob，这样您就可以像使用*nix 实用程序find 一样进行*.html 搜索。

至于计数，您可能想看看str_word_count。

Answer 5

RecursiveDirectoryIterator 是 PHP 中执行此操作的最佳类。它既灵活又快速。

“Directory to array with PHP”中描述了其他替代方法（非递归）。在我对这个问题的回答中，我对其他答案给出的不同方法进行了计时，但是 PHP 代码中的所有解决方案都比使用 PHP 的 SPL 类慢。