中文分词之Java实现使用IK Analyzer实现

IK Analyzer是基于lucene实现的分词开源框架，下载路径:http://code.google.com/p/ik-analyzer/downloads/list

需要在项目中引入：

IKAnalyzer.cfg.xml

IKAnalyzer2012.jar

lucene-core-3.6.0.jar

stopword.dic

什么都不用改

示例代码如下(使用IK Analyzer): 

[java] view plain copy

1. package com.haha.test;  
2.   
3. import java.io.IOException;  
4. import java.io.StringReader;  
5. import org.apache.lucene.analysis.Analyzer;  
6. import org.apache.lucene.analysis.TokenStream;  
7. import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;  
8. import org.wltea.analyzer.lucene.IKAnalyzer;  
9.   
10. public class Test2 {  
11.     public static void main(String[] args) throws IOException {  
12.         String text="基于java语言开发的轻量级的中文分词工具包";  
13.         //创建分词对象  
14.         Analyzer anal=new IKAnalyzer(true);       
15.         StringReader reader=new StringReader(text);  
16.         //分词  
17.         TokenStream ts=anal.tokenStream("", reader);  
18.         CharTermAttribute term=ts.getAttribute(CharTermAttribute.class);  
19.         //遍历分词数据  
20.         while(ts.incrementToken()){  
21.             System.out.print(term.toString()+"|");  
22.         }  
23.         reader.close();  
24.         System.out.println();  
25.     }  
26.   
27. }  

运行后结果:

基于|java|语言|开发|的|轻量级|的|中文|分词|工具包|

 

使用(lucene)实现:

[java] view plain copy

1. package com.haha.test;  
2.   
3. import java.io.IOException;  
4. import java.io.StringReader;  
5.   
6. import org.wltea.analyzer.core.IKSegmenter;  
7. import org.wltea.analyzer.core.Lexeme;  
8.   
9. public class Test3 {  
10.       
11.     public static void main(String[] args) throws IOException {  
12.         String text="基于java语言开发的轻量级的中文分词工具包";  
13.         StringReader sr=new StringReader(text);  
14.         IKSegmenter ik=new IKSegmenter(sr, true);  
15.         Lexeme lex=null;  
16.         while((lex=ik.next())!=null){  
17.             System.out.print(lex.getLexemeText()+"|");  
18.         }  
19.     }  
20.   
21. }