Discussion :

[Enhide]

Salut à tous,

Je ne sais pas exactement comment intituler ce sujet ni s'il existe déjà donc je serai grès à un modo de le replacer à l'endroit le plus approprié. merci

Je suis en stage (donc autant dire que même si la prog me plait assez, je ne suis pas pro) dans une boite qui fait du référencement. Je dois concevoir un programme qui va récupérer les stats misent en ligne par un prog de stats et les traiter et les formater pour en faire des rapports pour le suivi client.

J'en suis à la gestion des mots-clés et je suis bloqué sur un problème qui est plus logique que programmation : comment gérer automatiquement les doublons qui ne sont pas considéré comme tel à cause de syntaxes différentes et de fautes de frappes :

exemple : machine a coudre = machine à coudre
machines à coudre = machine à coudre

La syntaxe est différentes mais il s'agit du même mot-clé. Je sais que je vais devoir utiliser les expressions régulières, je les ai déjà utilisé pour des cas plus simple. Le problème est que je ne vois pas les règles à mettre en place.

Merci si jamais vous arriver à me faire avancer un peu.

[Djakisback]

Salut,
tu peux peut-être t'orienter vers des fonctions comme levenshtein car si tu veux gérer les fautes de frappes en REGEX ca risque d'être un peu chaud.

[Enhide]

Merci pour ton aide, je pense que tu m'as fait progresser vers la solution. Je ne connaissais pas cette fonction mais je pense qu'elle va m'être très utile.

[Enhide]

Re-bonjour,

Désolé de remettre le couvert et de redemander de l'aide mais mon utilisation de la distance de levenshtein en php ne semble pas fonctionner. En effet, il semblerait que la fonction levenshtein de php ne gère que très mal les espaces, je trouve des distances à 3 et 4 chiffres pour des chaines de caractères ne contenant que quelques mots (5 max).

J'ai donc toujours le même problème au niveau de la reconnaissance de doublons de mots-clés.

[Enhide]

Je me permet de vous relancer pour deux raisons :
premièrement, je suis surpris que personne n'est de solutions à proposer,
deuxièmement, sans être réellement urgent, c'est quand même assez important...

[Djakisback]

tu peux pas simplement supprimer les multi-espaces ?
T'as un exemple de chaînes qui posent un problème ?
Tu peux aussi utliser :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
similar_text($str1, $str2, $percent);
echo $percent."<br>";

pour avoir un pourcentage (je crois que l'algo de similar_text() est moins rapide mais tu dois pouvoir déduire un pourcentage du résultat de levenstein())
Sinon tu peux aussi splitter tes chaînes, le souci des espaces ne me semblent pas un problème.