PHP实现重复文字统计可通过字符串处理与数组操作完成，首先使用explode()或preg_split()将文本分割为字符或词语数组，再借助array_count_values()统计各元素出现次数，通过arsort()按频率降序排序，此方法能快速定位高频重复内容，适用于文本分析、内容去重、关键词提取等场景，为内容优化与数据挖掘提供支持，具有实用性与高效性。
PHP实现重复文字统计的方法与实践
在文本处理、内容分析、数据挖掘等领域，**重复文字统计**是一项基础且至关重要的任务，无论是用于内容审核中识别高频垃圾词、在文本分析中提取关键词，还是在用户行为分析中统计评论中的高频短语，PHP凭借其灵活的字符串处理能力和丰富的内置函数，为高效实现重复文字统计提供了便捷且强大的解决方案，本文将从基础到进阶，系统介绍PHP实现重复文字统计的核心方法,并附上详实的代码示例。
重复文字统计的核心需求与应用场景
重复文字统计的核心在于精准识别并量化文本中特定单元（字符、单词、短语）的出现频率，根据应用场景的不同,其核心需求可细分为以下三类：
- 字符级统计：聚焦于单个字符（如汉字、字母、数字、标点符号）在文本中的出现频次，分析一篇文章中每个汉字的使用频率，或统计特定符号（如“#”、“@”）的出现次数。
- 单词级统计：关注独立词汇单元（如英文单词或中文分词后的词语）的出现次数，统计一段英文文本中“hello”或“PHP”出现的次数，或分析中文评论中“服务”、“质量”等关键词的频率。
- 短语/关键词统计：针对固定长度短语或自定义关键词组进行计数，统计“重复文字统计”这个特定短语在文档中出现的次数，或监控“用户反馈”、“系统公告”等固定关键词组合的频率。
不同场景对应不同的实现策略,下面将分别展开说明。
基础实现：字符与单词统计
字符统计：精确统计单个字符频率
字符统计是最基础也是最直接的统计场景，其核心思路是：遍历字符串中的每一个字符，利用数组（通常是关联数组）记录每个字符及其累计出现次数,最后按频率降序输出结果。
实现步骤：
- 使用 `mb_strlen()` 获取字符串长度（需指定编码，如UTF-8以支持中文）。
- 通过 `mb_substr()` 逐个提取字符（同样需指定编码）。
- 使用关联数组 `$charCount` 键值对记录字符（键）及其出现次数（值）。
- 利用 `arsort()` 对数组按值（出现次数）进行降序排序。
- 返回排序后的结果数组。
代码示例：
function countCharFrequency(string $text): array {
$charCount = [];
$length = mb_strlen($text, 'UTF-8'); // 处理UTF-8编码（中文等）
for ($i = 0; $i < $length; $i++) {
$char = mb_substr($text, $i, 1, 'UTF-8');
// 累加计数
$charCount[$char] = ($charCount[$char] ?? 0) + 1;
}
// 按出现次数降序排序
arsort($charCount);
return $charCount;
}
// 测试
$text = "PHP是一种广泛使用的脚本语言，PHP适合Web开发。";
$result = countCharFrequency($text);
print_r($result);
输出结果：
Array
(
[P] => 2
[H] => 2
[是] => 1
[一] => 1
[种] => 1
[广] => 1
[泛] => 1
[使] => 1
[用] => 1
[的] => 1
[脚] => 1
[本] => 1
[语] => 1
[言] => 1
[，] => 1
[适] => 1
[合] => 1
[W] => 1
[e] => 1
[b] => 1
[开] => 1
[发] => 1
[，] => 1
)
关键点与注意事项：
- 编码处理：必须使用 `mb_*` 系列函数（`mb_strlen`, `mb_substr`）并明确指定 `'UTF-8'` 编码，这是正确处理中文、日文等多字节字符的关键,否则会导致乱码或统计错误。
- 空合并运算符 `??`：代码中使用了 `($charCount[$char] ?? 0) + 1`，这是 PHP 7+ 的写法，比 `isset` 判断更简洁高效，用于处理字符首次出现的情况（初始值为0）。
- 排序：`arsort()` 保持键名关联性，按值降序排序,便于快速查看高频字符。
单词统计：统计独立词汇单元频率
单词统计比字符统计复杂，核心挑战在于**分词**（Tokenization）——将连续的文本流切分成有意义的单词单元，对于**英文文本**，相对简单，可通过空格和标点符号分割；对于**中文文本**，则需要借助专业分词库（如 `scws`, `pinyin` 或 `jieba` 的PHP实现）,因为中文词语之间没有天然分隔符。
英文单词统计实现思路：
- **预处理**：将文本统一转换为小写（`strtolower`），消除大小写差异；移除或替换标点符号（`preg_replace`）,仅保留字母和空格。
- **分词**：使用 `preg_split`（按非字母字符分割）或 `explode`（按空格分割）将文本拆分成单词数组。
- **计数与排序**：遍历单词数组，使用数组记录频率，`arsort` 排序。
代码示例（英文）：
function countWordFrequency(string $text): array {
// 转换为小写，并移除标点（仅保留字母和空格）
$text = strtolower($text);
$text = preg_replace('/[^a-z\s]/', '', $text); // 移除非字母非空格字符
// 分割单词（按一个或多个空格分割）
$words = preg_split('/\s+/', $text, -1, PREG_SPLIT_NO_EMPTY);
$wordCount = [];
foreach ($words as $word) {
$wordCount[$word] = ($wordCount[$word] ?? 0) + 1;
}
arsort($wordCount);
return $wordCount;
}
// 测试
$text = "PHP is a popular scripting language. PHP is easy to learn and
