Javascript 自动从 HTML 中选择关键字答案

【问题标题】：Javascript auto pick keywords from HTMLJavascript 自动从 HTML 中选择关键字
【发布时间】：2010-10-11 16:21:27
【问题描述】：

给定一个 HTML 正文，是否有人编写了任何函数，可以自动提取从一大块 HTML 中出现的前 10 个关键字，不包括任何 HTML 标记（即纯文本）？

它应该忽略“and”、“is”、“but”等常见词，但列出最常见的不常见词。

示例输入：

Mary had a <strong>snow</strong> lamb. <img src=lamb.jpg /> The <i>lamb</i> was snow white, it lay in the snow all white.

输出：

Snow (3)
White (2)
Lamb (2)

jquery 很好！

【问题讨论】：

标签： javascript keyword dynamic-keyword

【解决方案1】：

简而言之：

1) 获取身体的 innerHTML；

2) 去掉所有标点符号和\n，这样你就有了一个单行字符串；

3) 用 .replace() (/]*>/g) 去除所有标签；

4) 去除所有常用词（/\band\b/g, /\bbut\b/g, ...）；例如。如果您的无用词是少于 4 个字符的词，则剥离 /\b[.+]{1,3}\b/

现在你应该有一个没有标记和无用词的单行字符串 (str)

4a) 可选：如果您不关心 WoRdCAse，只需将全部转换为小写即可 (str.toLowerCase())

5) 对空格进行拆分(str.split(' '))，得到一个数组(arr)

var words = {},
        i = arr.length; 

    while(--i) {
       war extWord = arr[i];
       words[extWord] = (!!words[extWord])? words[extWord] + 1 : 1;
    }

7) 在 (words) 对象上创建一个 for..in 循环以获得键（单个词）和值（该词的出现次数）

希望有帮助

【讨论】：

【解决方案2】：

对 Fabrizio 概述并使用 jQuery 的选项稍作修改。

//抓取页面中的所有文本

var myDocumentText = $("body").text();

myParseText(myDocumentText);

函数 myParseText(myText){

...在此处使用您的逻辑处理文本以不计算和，或等。

}

【讨论】：