求解，关于字符串处理的问题！怎么从字符串中找联系

[number123456]

最近遇到了一个问题，怎么对字符串解析后，进行分块存储。比如说：
我有五个表，
t1,t2,t3,t4,t5

现在要插入一条信息，
$a = "要插入的信息标题是这样子的";

问题是，如何通过将这个字符串来划分，需储到哪个表中？找到字符串的某个特性来判断一下。

而且，因为要进行模糊搜索，所以还要考虑到提出其中的某几个字，也能算出是包含在哪个表中的。

求这个算法的提示！


不知道大家有没有看懂我的意思。

请大家帮帮忙给些思路。

[number123456]

还有谁能给些意见吗？请大家帮帮我！谢谢了

[CunningBoy]

[Quote=引用 5 楼 number123456 的回复:]

引用 1 楼 cunningboy 的回复:
你的划分规则有没有?
这个是基本的需求定义


你好，因为我的总体需求是因为存储量大，而需要分表存储来减轻数据库负担，所以我想根据标题来划分出不同的区块来存储，比如说算出“我们的”这三个字的某个值为1，然后，我的表t1,是存储1-10的，那么这个标题的信息就存储到t1表中，然后，搜索的时候，搜索“我”这个字，算出他的值，应该是在t1这个表搜……
[/Quote]
那你是想按标题的内容分种类来储存?

[number123456]

是的，就是这个意思！可能是我说的不太明白。大体的意思就是根据标题的内容来分出类别存储到不同表里

[lazyboy_wu]

你用中文分词的算法多好，

重庆重重庆 你打算怎么处理？当然不一定有这样bt的用法

你可以将中文分词的词根拿来处理一下，比如一些词根+1 一些词根+2，那么到中文分词以后，你就可以直接处理的这个标题的权值；

示例：

$arr = array(
  // 中文算法的词根
  1=>array('我的', '你的'),
  2=>array('他的', '谁的')
);

$str = '我的给谁的';

$word_arr = 中文切词算法($str);

$rate = 0;
foreach($word_arr as $word) {
  if($arr中含有词根) {
     $rate += $arr中的key;
  }
}

$rate = $rate % 10;

// 下面你随便处理

[士居坡西]

我觉得可以对标题进行编码运算，最后得到数字，然后根据数字大小进行划分。

[lazyboy_wu]

我理解错你的意思了，仅仅是hash算法的话，用md5就可以了

$rate = ord(substr(md5($str), 0, 1)) % 5; // 截取md5的第一位, 转换成数字，然后对其取模运算

[CunningBoy]

你的划分规则有没有?
这个是基本的需求定义

[feng_lqwe]

这个感觉不太好搞。。。

[lazyboy_wu]

请搜索“中文切词”算法

[number123456]

[Quote=引用 1 楼 cunningboy 的回复:]
你的划分规则有没有?
这个是基本的需求定义
[/Quote]

你好，因为我的总体需求是因为存储量大，而需要分表存储来减轻数据库负担，所以我想根据标题来划分出不同的区块来存储，比如说算出“我们的”这三个字的某个值为1，然后，我的表t1,是存储1-10的，那么这个标题的信息就存储到t1表中，然后，搜索的时候，搜索“我”这个字，算出他的值，应该是在t1这个表搜索，

就是这个标准来怎么划分我实在想不出来，恳请你能帮我一下。

[ImN1]

levenshtein()
看手册的例程

[number123456]

回楼上的，单算md5的hash值还不行，
比如说：
$str = '快拉萨的飞机历史的飞机我拉架了刷卡的积分 ';
echo ord(substr(md5($str), 0, 1)) % 5;
得到的是2

$str = '积分';
echo ord(substr(md5($str), 0, 1)) % 5;
得到的是3

那么我就没办法去指定的库搜索了

[number123456]

还有人能做提示吗？

[foolbirdflyfirst]

[Quote=引用 15 楼 number123456 的回复:]

回楼上的，单算md5的hash值还不行，
比如说：
$str = '快拉萨的飞机历史的飞机我拉架了刷卡的积分 ';
echo ord(substr(md5($str), 0, 1)) % 5;
得到的是2

$str = '积分';
echo ord(substr(md5($str), 0, 1)) % 5;
得到的是3

那么我就没办法去指定的库搜索了
[/Quote]
你可以中文分词，建多个中间表,把'积分'和对应的表名存起来，下次你要搜索，就对搜索关键字进行分词，把分词结果对应的表得到，再搜索。

[ImN1]

我都跟你说了用 levenshtein()
你又听不进去，这函数好用的很，我都用好几年了，看下面的例子

$words那几个词只要固定死了，相互间不要太接近（要从字码方面考虑），分类就算完成了
即使$input怎么换，也能找出最相似的，$input你自己不断换不同的内容测试一下就知道了
关键是设好$words就足够了

<?php
// input misspelled word
$input = '麒sf麟g345厍%#%人是个大坏蛋banana';

// array of words to check against
$words = array('苹果','pineapple','大banana','orange',
'radish','麒麟坏蛋','pea','bean','坏蛋');

// no shortest distance found, yet
$shortest = -1;

// loop through words to find the closest
foreach ($words as $word) {

// calculate the distance between the input word,
// and the current word
$lev = levenshtein($input, $word);

// check for an exact match
if ($lev == 0) {

// closest word is this one (exact match)
$closest = $word;
$shortest = 0;

// break out of the loop; we've found an exact match
break;
}

// if this distance is less than the next found shortest
// distance, OR if a next shortest word has not yet been found
if ($lev <= $shortest || $shortest < 0) {
// set the closest match, and shortest distance
$closest = $word;
$shortest = $lev;
}
}

echo "Input word: $input\n";
if ($shortest == 0) {
echo "Exact match found: $closest\n";
} else {
echo "Did you mean: $closest?\n";
}

?>


这咚咚还能用来河蟹，即使输入“河&*^*蟹”也能找出来，所以我一般不愿意直接贴例子
看你问了又问，真是看不下去了……

中文分词是世界难题，不要再从这方面想了，留给砖家做吧
levenshtein() 是有数学算法原理在里面的，不是简单比较匹配，
有兴趣自己再深入查一下“string pattern match”会有更多算法

[helloyou0]

[Quote=引用 18 楼 snmr_com 的回复:]

我都跟你说了用 levenshtein()
你又听不进去，这函数好用的很，我都用好几年了，看下面的例子

$words那几个词只要固定死了，相互间不要太接近（要从字码方面考虑），分类就算完成了
即使$input怎么换，也能找出最相似的，$input你自己不断换不同的内容测试一下就知道了
关键是设好$words就足够了

<?php
// input misspelled word……
[/Quote]

+3

楼主对自己的需要并不很清楚.

按照楼主的说法,
假设AAA在a表,BBB在b表,那么AAA BBB这个标题应该在哪个表?

[number123456]

回楼上的，
AAA标题也进a表，BBB标题也进b表，

然后搜索A,AA,AAA都去a表去搜索标题包含A的内容

[ImN1]

#19的意思是说

我 进 表：我
你 进 表：你

那么“我和你”进哪个表？表：地球村 么？