[Conception] Syntaxe mots-clés référencement

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.

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.

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.

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.

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...

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

Code:

---

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.

Je ne sais pas exactement ce qui ne fonctionne pas même lorsque je supprime les espaces. Pour un des mots clés que je récupère sur l'outil de stats, un caractère apparait comme un espace mais il n'en est pas un puisque qu'il reste après leur suppression.

Ca ressemble plutôt à un problème d'encodage, peut-être une tabulation ?
Finalement splitter les chaînes + utiliser similar_text() est une mauvaise idée car l'algo se base sur la longueur des chaînes ex ; similar_text("a", "à") donne 0%.

Il semblerait que se soit bien un problème d'encodage au niveau de la récupération du fichier html avec fopen();, dans le fichier de base, quand j'affiche la source, le caractère "&nbsp" apparait mais sur le code que je récupère, je me retrouve avec un espace qui ne correspond à rien.

J'ai cherché dans la doc de php les fonctions d'encodage et de décodage mais rien ne fonctionne et certain fonction en sont même pas documentées.

Là, je commence vraiment à manquer de pistes, je bloque.

bonjour,

Pour ton problème de caractère remplace les sens les accents, ex : à => a je pense que c'est le plus simple, pour tes espaces fait :

Code:

---

preg_match('/\s/i', 'ta chaine');

---

regarde si sa te retourne 1 ou non puis si ça te retourne 1 tu fait

Code:

---

preg_replace('/\s/i', '/%20/', 'ta chaine')

---

et je pense que sa va résoudre certain de tes problèmes

Tu peux m'expliquer en détail comment fonctionne ce que tu m'as donné, parce que si j'ai bien compris : la première instruction me renvois 1 donc il y a bien ce que tu vérifie, mais la deuxième me renvois '2256/%20/' donc je ne comprends pas tout.

le '\s' permet de savoir si tu as n'importe quel type d'espace (espace, tabulation, ....) et la deuxième remplace tous le type d'espace par %20 savoir ou sont présent tes espaces dans ta chaine.

Pour supprimer tous les types d'espace en début et fin de ta chaine tu as la fonction trim()

j'ai fait une erreur dans le code preg_replace, c'est %20 tout seul et non /%20/:

Code:

---

1 2	preg_replace('/\s/i', '%20', 'ta chaine')

---

Merci beaucoup, cela fonctionne comme je le souhaite. Faudra que je te paie un coup à boire parce que j'y ai passé vraiment beaucoup de temps sur ce "petit" problème.

Merci beaucoup.