PHP实现根据整数参数从长文本随机抽取指定词数连贯片段

问题根因 #

shuffle()的作用是打乱数组元素顺序，完全不适合抽取连贯文本的场景。要实现保持原词序的随机片段抽取，不需要对数组做排序/打乱操作，只需要随机选定连续片段的起始下标，截取对应长度的连续元素即可，天然满足词序不变、语义通顺、结果随机的要求。

原有代码的其他问题 #

• shuffle()执行成功返回布尔值true，将返回值赋值给$text后遍历，本身就会触发类型错误
• 数据库查询直接拼接GET参数存在严重SQL注入风险
• 未对传入的词数参数做类型、合法性校验，传入非正整数时会出现逻辑异常
• 按空格拆分文本时未处理连续多空格的场景，会拆出无意义的空字符串元素

核心实现逻辑 #

1. 将文章按空格拆分为词数组，过滤空值
2. 校验文章总词数，若总词数小于等于要求抽取的词数，直接返回原文即可
3. 计算合法的随机起始索引范围：最小为0，最大为「总词数 - 待抽取词数」，保证截取时不会出现数组越界
4. 在合法范围内随机生成起始索引，从该位置开始截取指定长度的连续词元素
5. 将截取到的词拼接为字符串返回即可

修正后可直接运行的代码 #

<?php

function get_random_paragraph_from_article($article, $articleWordsCount)
{
    // 强制将抽取词数转为正整数，过滤非法输入
    $articleWordsCount = max(1, (int)$articleWordsCount);
    // 按空格拆分，同时过滤拆分产生的空值（处理连续多空格场景）
    $text_array = array_filter(explode(" ", $article), function($item){
        return trim($item) !== '';
    });
    $totalWords = count($text_array);

    // 总词数不足时直接返回原文
    if ($totalWords <= $articleWordsCount) {
        return trim(implode(" ", $text_array));
    }

    // 计算合法起始位置的最大值，保证截取长度足够
    $maxStartIndex = $totalWords - $articleWordsCount;
    // 随机生成起始位置
    $startIndex = mt_rand(0, $maxStartIndex);
    // 截取连续的指定长度片段
    $selectedWords = array_slice($text_array, $startIndex, $articleWordsCount);
    // 拼接为字符串返回，去除首尾多余空格
    return trim(implode(" ", $selectedWords));
}


if (isset($_GET['getRandomArticle'])) {
    
    include($_SERVER['DOCUMENT_ROOT'] . "/includes/inc-db-connection.php"); 
    
    $pdo = new PDO(sprintf('%s:host=%s;dbname=%s', DRIVER, HOST, DATA), USER, PASS);
    // 设置PDO错误模式为异常，方便排查问题
    $pdo->setAttribute(PDO::ATTR_ERRMODE, PDO::ERRMODE_EXCEPTION);

    // 预处理参数绑定，修复SQL注入风险
    $keyword = "%{$_GET['q']}%";
    $count = max(1, (int)$_GET['count']);
    $command = $pdo->prepare("SELECT * FROM `articles` WHERE `article_keyword` LIKE ? ORDER BY RAND() LIMIT 1");
    $command->execute([$keyword]);  
    
    while ($row = $command->fetch()) {      
        echo get_random_paragraph_from_article($row['article_body'], $count);                        
    }       

}
?>

实现效果 #

• 截取的片段为原文连续内容，完全保留原有词序，语义连贯
• 起始下标在合法范围内随机生成，不会固定返回开头段落，多次调用返回结果随机不重复
• 增加了边界校验，不会出现数组越界、非法参数引发的运行错误
• 修复了原代码中SQL注入、返回值类型错误的问题

内容的提问来源于stack exchange，提问作者logosapp