Как получить частоту слов в тексте

Question

Я знаю, как получить одну частоту слова в тексте с помощью функции explode и некоторых функций массива, но то, что я действительно ищу, - это получить частоту в 2 слова и более. Например, этот текст:
«Это образец текста. Это образец текста, сделанный для образовательных целей».

Мне нужен код, чтобы сделать это:
является (2) текстом
образца (2)
образец (2)
.... и так далее

Спасибо заранее.

Answer 1

Следующий код будет получить 2 последовательных слова:

$string = 'This is a sample text. It is a sample text made for educational purposes. This is a sample text. It is a sample text made for educational purposes.'; 

$sanitized = $even = preg_replace(array('#[^\pL\s]#', '#\s+#'), array(' ', ' '), $string); // sanitize: only letters, replace multiple whitespaces with 1 
$odd = preg_replace('#^\s*\S+#', '', $sanitized); // Remove the first word 

preg_match_all('#\S+\s\S+#', $even, $m1); // Get 2 words 
preg_match_all('#\S+\s\S+#', $odd, $m2); // Get 2 words 

$results = array_count_values(array_merge($m1[0], $m2[0])); // Merge results and count 
print_r($results); // printing 

Выход:

Array 
(
    [This is] => 2 
    [a sample] => 4 
    [text It] => 2 
    [is a] => 4 
    [sample text] => 4 
    [made for] => 2 
    [educational purposes] => 2 
    [It is] => 2 
    [text made] => 2 
    [for educational] => 2 
    [purposes This] => 1 
) 

Одно усовершенствование было бы преобразовать строку в нижний регистр?
Я позволил остальным вам выяснить :-)

Answer 2

Некоторые псевдо-код, чтобы вы начали:

frequencies = empty array 
words = explode sentence on white spaces 
for each word in words : 
    sanitized word = trim word and convert to lower case 
    frequency[ sanitized word ] ++ 
endforeach 

frequency массив теперь содержит число раз слово появилось в предложении.