Supongamos que tengo un modelo de blog con título y cuerpo. ¿Cómo muestro el número de palabras en el cuerpo y los personajes en el título? Quiero que la salida sea algo como estoRecuento de palabras en Rails?
Título: Lorem cuerpo: Lorem Lorem Lorem
Esta entrada no tiene cuenta de la palabra de 3.
"Lorem Lorem Lorem".scan(/\w+/).size
=> 3
ACTUALIZACIÓN: si usted necesita para que coincida rock and roll como una sola palabra, que podrían hacer como
"Lorem Lorem Lorem rock-and-roll".scan(/[\w-]+/).size
=> 4
también:
"Lorem Lorem Lorem".split.size
=> 3
que he experimentado este método a ser mucho más fiable, el/[\ w -] +/expresiones regulares no parece muy fiable. –
me gusta esto mucho más. Sencillo. Añadí '' squish' antes de la split'. – duma
"Lorem Lorem Lorem".scan(/\S+/).size
=> 3
Si usted está interesado en el rendimiento, escribí un punto de referencia rápida:
require 'benchmark'
require 'bigdecimal/math'
require 'active_support/core_ext/string/filters'
# Where "shakespeare" is the full text of The Complete Works of William Shakespeare...
puts 'Benchmarking shakespeare.scan(/\w+/).size x50'
puts Benchmark.measure { 50.times { shakespeare.scan(/\w+/).size } }
puts 'Benchmarking shakespeare.squish.scan(/\w+/).size x50'
puts Benchmark.measure { 50.times { shakespeare.squish.scan(/\w+/).size } }
puts 'Benchmarking shakespeare.split.size x50'
puts Benchmark.measure { 50.times { shakespeare.split.size } }
puts 'Benchmarking shakespeare.squish.split.size x50'
puts Benchmark.measure { 50.times { shakespeare.squish.split.size } }
Los resultados:
Benchmarking shakespeare.scan(/\w+/).size x50
13.980000 0.240000 14.220000 (14.234612)
Benchmarking shakespeare.squish.scan(/\w+/).size x50
40.850000 0.270000 41.120000 (41.109643)
Benchmarking shakespeare.split.size x50
5.820000 0.210000 6.030000 ( 6.028998)
Benchmarking shakespeare.squish.split.size x50
31.000000 0.260000 31.260000 (31.268706)
En otras palabras, squish es lento con el Very Large Strings ™. Aparte de eso, split es más rápido (el doble de rápido si no está usando squish).
Las respuestas aquí tienen un par de cuestiones:
Joe's se considerarán dos palabras Joe y 's que obviamente son incorrectas. Como será twenty-two, que es una sola palabra compuesta.Algo como esto funciona mejor y dar cuenta de estas cuestiones:
foo.scan(/[\p{Alpha}\-']+/)
Es posible que desee mirar a mi joya Words Counted. Permite contar palabras, sus ocurrencias, longitudes y un par de otras cosas. También está muy bien documentado.
counter = WordsCounted::Counter.new(post.body)
counter.word_count #=> 3
counter.most_occuring_words #=> [["lorem", 3]]
# This also takes into capitalisation into account.
# So `Hello` and `hello` are counted as the same word.
"caçapão adipisicing elit".scan(/[\w-]+/).size
=> 5
Pero como podemos ver, la frase tiene sólo 3 palabras. El problema está relacionado con los caracteres acentuados, porque el regex \ w no los considera como un carácter de palabra [A-Za-z0-9_].
Una solución mejorada sería
I18n.transliterate("caçapão adipisicing elit").scan(/[\w-]+/).size
=> 3
eso es exactamente lo que estaba buscando. Gracias. –
¿Qué tal "agregar algo de rock-n-roll"? Aquí hay tres palabras, mientras que su variante encontrará cinco. – IDBD
añadido guión también. – YOU