PHP：计算文件或数组中单词出现频率

一：如果是小文件，可以一次性读入到数组中，使用方便的数组计数函数进行词频统计（假设文件中内容都是空格隔开的单词）：

    <?php
    $str = file_get_contents("/path/to/file.txt"); //get string from file
    preg_match_all("/\b(\w+[-]\w+)|(\w+)\b/",$str,$r); //place words into array $r - this includes hyphenated words
    $words = array_count_values(array_map("strtolower",$r[0])); //create new array - with case-insensitive count
    arsort($words); //order from high to low
    print_r($words)

二：如果是大文件，读入内存就不合适了，可以采用如下方法：

    <?php
    $filename = "/path/to/file.txt";
    $handle = fopen($filename,"r");
    if ($handle === false) {
      exit;
      }
    $word = "";
    while (false !== ($letter = fgetc($handle))) {
      if ($letter == ‘ ‘) {
        $results[$word]++;
        $word = "";
        }
      else {
        $word .= $letter;
        }
    }
    fclose($handle);
    print_r($results);

Linux命令经典面试题：统计文件中出现次数最多的前10个单词

使用linux命令或者shell实现：文件words存放英文单词，格式为每行一个英文单词（单词可以重复），统计这个文件中出现次数最多的前10个单词。

cat words.txt | sort | uniq -c | sort -k1,1nr | head -10

　　主要考察对sort、uniq命令的使用，相关解释如下，命令及参数的详细说明请自行通过man查看，简单介绍下以上指令各部分的功能：

sort:  对单词进行排序

uniq -c:  显示唯一的行，并在每行行首加上本行在文件中出现的次数

sort -k1,1nr:  按照第一个字段，数值排序，且为逆序

head -10:  取前10行数据