Ищу элегантный способ удалить любые 544 слова из строки

Question

Мне нужно удалить все экземпляры 544 полнотекстовых стоп-слов из введенной пользователем строки поиска, а затем отформатировать ее для запуска полнотекстового поиска с частичным совпадением в логическом режиме.

ввод: "город Нью-Йорк", вывод: "+ йорк * + город *" (слово "новый" - это стоп-слово).

У меня есть ужасное решение, которое работает: разбить строку поиска на массив слов, найти каждое слово в массиве стоп-слов, сбросить их, если есть совпадение, взорвать оставшиеся слова и, наконец, запустить регулярное выражение, чтобы добавить форматирование логического режима. Должно быть более элегантное решение.

Мой вопрос состоит из 2 частей.

1) Как вы думаете, какой самый чистый способ сделать это?

2) Я решил часть проблемы с помощью огромного регулярного выражения, но это подняло другой вопрос.

РЕДАКТИРОВАТЬ: Это на самом деле работает. Мне стыдно сказать, что проблема с памятью (которая, как мне казалось, была моим регулярным выражением) возникла позже в коде из-за огромного количества совпадений после фильтрации стоп-слов.

$tmp  = preg_replace('/(\b('.implode('|',$stopwords).')\b)+/','',$this->val);
$boolified = preg_replace('/([^\s]+)/','+$1*',$tmp);

Answer 1

Создайте дерево суффиксов из 544 слов и просто пройдитесь по нему с помощью входной строки буква за буквой и вернитесь к корню дерева в начале каждого нового слова. Когда вы найдете совпадение в конце слова, удалите его. Это O (n) по длине входных строк, если список слов становится статическим.

Answer 2

Разделить строку поиска в массиве слов, а затем

• do array_diff () с массивом стоп-слов
• или сделайте стоп-слова хэшем и используйте поиск хеша (если isset ($ stopwords [$ word]) тогда ...)
• или сортируйте стоп-слова и используйте бинарный поиск для каждого слова

Трудно сказать, что будет быстрее, возможно, вы захотите профилировать каждый вариант (и если вы это сделаете, пожалуйста, поделитесь результатами!)