Traiter un texte et en retirer seulement les mots

[Belisarius]

Bonjour,

J'essaye de réaliser un petit script qui me parse un texte scientifique pour en récolter seulement les mots de plus de 3 lettres en enlevants tous les sigles mathématicophysique contenus dans ces textes . J'utilise la méthode suivante :

$RegexSearch = array ('(pour|dans|avec|sont|cette|question|sous|mode|tout|elle|action|partie|note|do
ner|solution|montrer|page)', '((\s|\n).{1,3}(\s|\n))', '((\s|\n).{1,3}(\s|\n))', '(\n)', '([0-9])','([,\.:;\*\(\)\[\]\{\}])', '([\+\-=\?])', '(\')', '([\s]{1,10})', '((\s|\n).{1,3}(\s|\n))', '((\s|\n).{1,3}(\s|\n))');

$RegexReplace = array (' ',' ',' ',' ',' ',' ',' ',' ',' ',' ',' ');
$out = preg_replace($RegexSearch, $RegexReplace, $text);

Le texte provient de copier coller de PDF mais dans certains cas ça ne marche vraiment pas (erreurs PHP du genre Warning: Unexpected character in input: )

Des idées pour améliorer tout ça ?

Existe-t-il des classes PHP destinée à ce genre de traitement ?

Merci d'avance

[xgamer]

faut deja que tu mete un filtre qui ne te garde que les A-Z a-z 0-9

je crois que c'est avec la fonction ereg , mais je ne sait pas si elle est presente sur php

[Belisarius]

Comment puis-je faire celà ?

[Galeenet]

$input = '...ma chaine super compliquee...';
preg_match_all('/([a-zA-Z]{2})([a-zA-Z]+)([ .,])/i',$input,$matches);
echo '<pre>'; print_r($matches); echo '</pre>';

Ca devrait te donner quelques trucs... (la regex est améliorable)