如何从网页/ Feed中获取标签/关键字？

Question

我必须从网页/ Feed中构建标签云。一旦获得标签的单词频率表，就很容易构建tagcloud。但我的疑问是，如何从网页/ Feed中检索标签/关键字？

这是我现在在做什么：

获取内容 - >带HTML - >关键词列表

- >与\ S \ n \ T（空格，换行，制表）其拆分但是这并不好。

有没有更好的方法？

Answer 1

你有什么是粗略的一阶近似。我想如果你回过头来查看数据并搜索2个单词短语的频率，然后搜索3个单词短语，直到可以被认为是一个标签的单词总数为止，那么您将更好地表示关键词频率。

您可以通过指定可作为短语（代词等）的一部分包含的某些单词来优化此粗略搜索模式。