前言
前些日子公司有业务需求,需要为其做一个自动锚文本管理的功能.于是前去网上简单的看了看,好像没有现成的轮子可以使用,于是准备自己造一个轮子出来.
目录
1.锚文本管理简介
2.业务需求分析
3.代码设计
4.算法优化(未完成)
1.锚文本管理简介
锚文本又称锚文本链接，是链接的一种形式。和超链接类似，超链接的代码是锚文本，把关键词做一个链接，指向别的网页，这种形式的链接就叫作锚文本。
锚文本又称锚文本链接，锚文本实际上是建立了文本关键词与URL链接的关系。
从程序设计的角度来说,我们只需要搭建一个用于后台管理锚文本的系统,并且对需要处理的内容进行锚文本替换即可.本文我们只介绍锚文本替换.
2.业务需求分析
彼时,公司产品部给出的锚文本的属性为:
关键字(锚),网址URL,匹配数量,优先级
锚文本替换的规则为:
1.文章匹配所有关键字，如果关键字间存在包含重复关系，只取优先级最高的关键字
2.优先级值大的优先，相同优先级值的优先取序号(锚ID)大的进行替换
3.匹配数量指每个关键字在内容中进行匹配上后，使用锚点的数量
4.注意匹配正文只匹配文本内容，如：不用匹配图片的 alt 内容
我们这里给出一个例子来方便理解:
如有关键字：瑞士（优先级 6，匹配 2 次）、瑞士时间（优先级 8，匹配 1 次）.正文里都出现了瑞士时间的字样，出现了 10 次。这时应用时效果为第一个瑞士时间为锚点，对应的为“瑞士时间”的关键字，第二次、第三次出现的瑞士时间匹配的关键字为“瑞士”，第四次开始出现的关键字均不再做无锚点匹配。
也就是说,规则是根据优先级和匹配数量匹配替换锚文本和数量,并且不匹配图片的alt内容.
这里有一个问题出来了,正如上面的例子所说:如果我首先匹配了'瑞士时间'字样,如何在下次匹配带有重复包含关系的'瑞士'时,避免再次匹配到已经做锚处理的'瑞士时间'呢??
这里我思考的策略是,在每一次锚替换时,屏蔽掉所有的标签和标签,只需要在锚替换时屏蔽掉即可.
那么问题又来了:如何屏蔽标签和
答案是正则:如果我能够写出在文本中查找除了,preg_replace函数即可.但是由于我水平有限,写不出这么复杂的正则,彼时公司产品部催的紧,我只能使用另外一个复杂且效率很低的算法:
1.正则匹配到所有的
标签并将其替换成一个特殊的标识符,并将匹配内容存到一个数组
2.正则匹配到所有的非标签的<关键字>,并替换<匹配数量>次
3.将存有内容的数组根据特殊的标识符替换回去
3.代码设计
按照我在上一节设计的规则,我只需要将几个关键正则写出来即可:
1.正则匹配到所有的特殊的标识符,并将匹配内容存到一个数组:
$rule = "//";
//先把img排除掉,并且将其存为一个数组
preg_match_all($rule, $str, $matches);
$str_without_alt = preg_replace($rule, 'Its_Just_A_Mark', $str);
2.正则匹配到所有的非标签的<关键字>,并替换<匹配数量>次
//锚处理
foreach ($anchors as $anchor) {
$rule = "/".$anchor['anchor_name']."(?!((?!)/";
$href = ''.$anchor['anchor_name'].'';
$str = preg_replace($rule, $href, $str,$anchor['anchor_num']);
}
3.将存有特殊的标识符替换回去
//将img加上去
foreach ($matches[0] as $alt_content) {
preg_replace('/Its_Just_A_Mark/',$alt_content,$str,1);
}
至此,所有的关键点已写出,现在组装:
/**
* Sets the anchors.(There's much space to optimize the efficiency)
*
* @param $str stirng to be setted.
* @param $anchors the anchors selected from db
* |_
* |_
* |_...
* |_...
* ...
* @param $anchor the anchor selected from db
* |_@anchor_url anchor's url
* |_@anchor_name anchor's name
* |_@anchor_num number of which anchor to be setted
* @return setted string
*/
public function setAnchors($str,$anchors)
{
$rule = "//";
//先把img排除掉,并且将其存为一个数组
preg_match_all($rule, $str, $matches);
$str_without_alt = preg_replace($rule, 'Its_Just_A_Mark', $str);
//锚处理
foreach ($anchors as $anchor) {
$rule = "/".$anchor['anchor_name']."(?!((?!)/";
$href = ''.$anchor['anchor_name'].'';
$str = preg_replace($rule, $href, $str,$anchor['anchor_num']);
}
//将img加上去
foreach ($matches[0] as $alt_content) {
preg_replace('/Its_Just_A_Mark/',$alt_content,$str,1);
}
return $str;
}
大功告成!
4.算法优化
(未完成,敬请持续关注)