步骤：

（1）读取3篇txt格式的英文文档；

（2）对每篇文档进行分词；

（3）利用正则表达式去掉逗号、句号等标点符号；

（4）计算文档频率；

    （5）统计特征向量

$_value){
            $_value = trim($_value);
            $_value = preg_replace('/[.|,|(|)|-|;]/','',$_value);
            $_words[$i][$_key]=strtolower($_value);
              
        }
        //去重
        $_words[$i]= array_unique($_words[$i]);
    }   
      
    //合并
    $_words_com = array_merge($_words[0],$_words[1],$_words[2]);
    //文档频率
    $_df = array_count_values($_words_com);   
    //特征向量
    for ($i = 0;$i < $_len;$i++){
        $_vsm[$i] = $_df;
        foreach($_vsm[$i] as $_key=>$_value){
            $_vsm[$i][$_key] = 0;
        }
        for ($j=0;$j';
    }
      
    print_r($_df);
?>