wort- und zeichenanzahl in txt-Dateien bestimmen

[thkolz]

hallo,
habe ein problem beim herausfinden der wort- bzw. der zeichenanzahl in txt-dateien. mein skript spuckt immer falsche werte aus, obwohl ich vorher mit trim() alle überflüssigen zeichen und mit strip_tags() alle html-tags rausschmeiße. wie bekomme ich alle irrelevanten zeichen raus?

hier ein ausschnitt des skripts:

$anz_worte=0;
$anz_char=0;
$anz_worte2=0;
$anz_char2=0;

//html-tags in String entfernen
$temp=strip_tags($temp);
//String in Wörter aufteilen
$tok=strtok($temp," ");

//terme und stammformen in Array schreiben
$result = mysql_query("SELECT * FROM reduktionstabelle");

while ($tok) {
  $anz_worte2++;
  while($row = mysql_fetch_array($result)) {
    //Leerzeichen entfernen
    $help=trim($row[term]);
    if ($tok==$help) {
      $tok=$row[stammform];
      break;
    } //if
  } //while
  $tok=trim($tok);
  $anz_char2+=strlen($tok);
  $korpus_reduziert.=$tok." ";
  $tok=strtok(" ");
} //while

//html-tags in String entfernen
$temp=strip_tags($korpus);
//String2 in Wörter aufteilen
$tok=strtok($korpus," ");

while ($tok) {
  //Leerzeichen entfernen
  $tok=trim($tok);  
  $anz_char+=strlen($tok);
  $anz_worte++;
  $tok=strtok(" ");
} //while

//Ausgabe Korpus
echo "<br><b>Korpus:</b><br>".$korpus;

//Ausgabe reduzierter Korpus
echo "<br><b>Korpus ohne Stoppwörter und mit Stammformen:</b><br>".$korpus_reduziert;

//Ausgabe der Wortanzahl
echo "<br><br><b>Anzahl der Worte im ursprünglichen Korpus: <b>".$anz_worte."</b><br>";
echo "<br>Anzahl der Worte im reduzierten Korpus: <b>".$anz_worte2."</b><br>";
$sub=$anz_worte-$anz_worte2;
$prozent=100-(bcdiv($anz_worte2,$anz_worte,2)*100);
echo "<br><b>Reduktion des Korpus' um ".$sub." Stoppworte (".$prozent."%)";
//Ausgabe der Zeichenanzahl
echo "<br><br><b>Anzahl der Zeichen im ursprünglichen Korpus (ohne Leerzeichen): <b>".$anz_char."</b><br>";
echo "<br>Anzahl der Zeichen im reduzierten Korpus: <b>".$anz_char2."</b><br>";
$sub=$anz_char-$anz_char2;
$prozent=100-(bcdiv($anz_char2,$anz_char,2)*100);
echo "<br><b>Reduktion des Korpus' um ".$sub." Zeichen (".$prozent."%)"; 

besten dank schonmal.
schöne grüße,
thorsten.

[TobiaZ]

naja, leerzeichen sind auch zeichen, werden also gezählt.

[derHund]

hmm,

dein script hab ich nur überflogen ...

- entferne alle nicht-buchstaben(eventuell zahlen behalten?) aus dem text, ersetze punkt, etc. durch space
- explode am leerzeichen
- sizeof sollte anzahl der wörter liefern
- entferne alle leerzeichen
- strlen sollte anzahl der buchstaben liefern

nur ne fixe idee, ungetestet.