如何使用 PHP 修复文本中的单词计数错误？

Question

我可以从 .DOC/.DOCX 文件中获得文本/纯文本输出。我只想用 PHP 计算此输出的单词数（无数字或标点符号）并显示在 HTML 页面中。所以我有这个：

<button type="button" id="load" class="btn btn-md btn-info">LOAD FILES</button>

<br>

<div id="result"></div>

<script src="../vendors/jquery/dist/jquery.min.js"></script>

<script src="https://static.filestackapi.com/v3/filestack.js"></script>

<script>

    function numWordsR(urlk){ 

        $.post("result_filestack.php",{

            molk: urlk //urlk, example: https://process.filestackapi.com/output=format:txt/AXXXXAXeeeeW33A";

        }).done(function(resp){

            $("#result").html(resp);

        });

    }

</script>

我的文件result_filestack.php：

$url = $_POST['molk'];

$content = file_get_contents($url); //get txt/plain output content

$onlywords = preg_replace('/[[:punct:]\d]+/', '', $content); //no numbers nor punctuation symbols

function get_num_of_words($string) {

   $string = preg_replace('/\s+/', ' ', trim($string));

   $words = explode(" ", $string);

   return count($words);

}

$numwords = get_num_of_words($onlywords);

echo "<b>TEXT:</b>: ".$onlywords."<br><br>Number of words: ".$numwords;

我得到这个结果：

例如，在这种情况下，结果显示文本中有 585 个单词，但是如果我将该文本复制并粘贴到 MS Word 中，它会显示 612 个单词。我更改 PHP 代码以映射文本数组：

function get_text($string) {

 $string = preg_replace('/\s+/', ' ', trim($string));

 $words = explode(" ", $string);

 return $words;

}

$texto002 = get_text($onlywords);

echo print_r($texto002);

我注意到数词有错误，有的地方把两三个词合二为一：

我该如何解决？

Answer 1

这可能是因为空格不是常规空格而是特殊字符，前一段时间经历过这种情况，在爆炸常规空格之前，我用空格替换了实体function get_num_of_words($string) {&nbsp; &nbsp;$string = preg_replace('/\s+/', ' ', trim($string));&nbsp; &nbsp;$string = str_replace("&nbsp;", " ", $string);&nbsp; &nbsp;$string = str_replace("&#160;", " ", $string);&nbsp; &nbsp;$words = explode(" ", $string);&nbsp; &nbsp;return count($words);}