清理噪音词，例如 the, a, and or etc...答案

【问题标题】：cleaning up noise words such as the, a, and or etc...清理噪音词，例如 the, a, and or etc...
【发布时间】：2012-06-02 10:51:08
【问题描述】：

我知道这是一个很长的机会，但我还是会问它。

我想对某些文本运行过滤器，并且我想删除英语中出现次数最多的单词，例如“The”、“a”、“and”、“or”等......

这个挑战是否在某个地方得到了解决，以便您可以得到一个相当不错的此类单词列表？

【问题讨论】：

【解决方案1】：

您要查找的官方术语是“停用词”。对于英语，我经常使用 Solr 搜索引擎中的 stopwords.txt 列表：

【讨论】：

【解决方案2】：

我会使用 str_replace()

例子：

str_replace("and", "", $text);

【讨论】：

【解决方案3】：

正则表达式怎么样？查看此页面的“单词”部分，http://www.roscripts.com/PHP_regular_expressions_examples-136.html。有一些示例正则表达式，包括对单词进行操作的模式。

//Words: Whole word
//Match one of the words from the list
'\b(?:word1|word2|word3)\b'

【讨论】：