ブログ本文の単語分析をPHPのみでexecとか外部APIとかなしで実装できないか？ : つねづね思ふこと 〜 ゲームやアニメの紹介を中心 に、あと気がついたときにプログラムネタも書いてます

個人的に自家製botづくりに興味が有る今日このごろ。 そこで気になるのが、botでサイトの巡回をするのはいいけど、HTMLのうちどの辺が本文で、その本文が何が書いてあったのかというのをどのように機械的に分析させるのか？ まあかなり抜け穴がありそうですけど、ざっと考えるなら、 1.HTMLの中で文章が多そうな部分を抽出し ↓ 2.接続詞を除去して ↓ 3.アルファベット・カタカナ・ひらがな・漢字が変わっているところは別の単語としてカウントし ↓ 4.集計して単語の数が多いものについて、このページはその単語のテーマについて語っていると判断してみる。 というのはどうでしょう。 しかし、自分でコードを考え試行錯誤するのが面倒くさいなぁ。 できれば、共有サーバーなので、PHP上で動作し、なんかインストールする必要がなくて、あと外部サービスはいきなり使えなくなることも有りますから使わなくて済むならそっ

[halohalolin]

PHPで簡単なブログ記事本文を抽出したり、その本文を単語解析できないかと色々正規表現のサンプルコードを組み合わせて試してみました。