最近公司在做一个题库的功能，需要用到 中文分词和公式分词的工具，最开始用 ikanalyzer 2012f 版本 + lunece 6.5.1做了一版中文分词工具。
具体如下：
一、ikanalyzer 2012f + lunece 6.5.1 实现中文分词
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
public static list<string> analysisbyik(analyzer analyzer,string field, string content){
if(stringutils.isnullorempty(content)){
return null;
}
tokenstream ts = null;
try {
ts = analyzer.tokenstream(field, new stringreader(content));
chartermattribute term = ts.addattribute(chartermattribute.class);
ts.reset();
list<string> vocabularies = new arraylist<>();
while (ts.incrementtoken()) {
vocabularies.add(term.tostring());
}
ts.end();
return vocabularies;
} catch (exception e) {
logger.error(e.getmessage(), e);
} finally {
if (ts != null) {
try {
ts.close();
} catch (ioexception e) {
e.printstacktrace();
}
}
}
return null;
}
|
调用方式：
|
1
2
3
4
|
string str = "已知三角形abc中，角a等于角b加角c，那么三角形abc是 a、锐角三角形 b、直角三角形 c、钝角三角形 d、不能确定";
analyzer analyzer = new ikanalyzer(true);
iklist = analysisbyik(analyzer, "myfield", str);
listanalyzer.addall(iklist);
|
输出结果listanalyzerd：
[已知, 三角形, abc, 中, 角, a, 等于, 角, b, 加, 角, c, 那么, 三角形, abc, 是, a, 锐角三角形, b, 直角三角形, c, 钝角三角形, d, 不能, 确定]
但是由于公式切词是 原来公司大牛写的，在满足公式切词的条件下，中文切词的ikanalyzer 2012f与其不兼容。于是尝试其他版本，最终决定用 ikanalyzer 3.2.8 实现了兼容。
二、ikanalyzer 3.2.8 + lunece 3.1.0 兼容版本
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
public static list<string> analysisbyik3point2(analyzer analyzer,string field, string content) throws exception{
if(stringutils.isnullorempty(content)){
return null;
}
list<string> list = new arraylist<>();
reader reader = new stringreader(content);
tokenstream stream = (tokenstream)analyzer.tokenstream(field, reader);
//添加工具类 注意：以下这些与之前lucene2.x版本不同的地方
termattribute termatt = (termattribute)stream.addattribute(termattribute.class);
offsetattribute offatt = (offsetattribute)stream.addattribute(offsetattribute.class);
// 循环打印出分词的结果，及分词出现的位置
while(stream.incrementtoken()){
list.add(termatt.term());
// system.out.println(termatt.term());
}
return list;
}
|
调用方式：
|
1
2
3
4
|
string str = "已知三角形abc中，角a等于角b加角c，那么三角形abc是 a、锐角三角形 b、直角三角形 c、钝角三角形 d、不能确定";
analyzer analyzer = new ikanalyzer(true);
iklist = analysisbyik3point2(analyzer, "myfield", str);
listanalyzer.addall(iklist);
|
输出结果：
[已知, 三角形, abc, 中, 角, a, 等于, 角, b, 加, 角, c, 那么, 三角形, abc, 是, a, 锐角三角形, b, 直角三角形, c, 钝角三角形, d, 不能, 确定]
即使用不同版本实现相同功能效果。 主要是 因为ikanalyzer 2012f 依赖analyzer的tokenstream是final方法，但是公式分词用到的tokensteam方法是抽象方法。两者冲突了，所以考虑去做兼容。
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对服务器之家的支持。如果你想了解更多相关内容请查看下面相关链接
原文链接：https://blog.csdn.net/moneyshi/article/details/78645590