lucene分词器中的Analyzer,TokenStream, Tokenizer, TokenFilter

分词器的核心类：
Analyzer:分词器
TokenStream:分词器做好处理之后得到的一个流。这个流中存储了分词的各种信息，可以通过TokenStream有效的获取到分词单元。
以下是把文件流转换成分词流（TokenStream）的过程

首先，通过Tokenizer来进行分词，不同分词器有着不同的Tokenzier，Tokenzier分完词后，通过TokenFilter对已经分好词的数据进行过滤，比如停止词。过滤完之后，把所有的数据组合成一个TokenStream；以下这图就是把一个reader转换成TokenStream：

这个TokenStream中存有一些属性，这些属性会来标识这个分词流的元素。


在这个流里 有很多属性。下面截了lucene4.10.1源码中的图：

     其中有3个重要的属性，CharTermAttribute（保存相印的词汇），OffsetAttribute（保存各个词汇的偏移量），PositionIncrementAttribute（保存各个词与词之间的位置增量，如果为0，可以做同义词搜索）。是由这3个属性来控制这些分词信息
    Tokenzier主要负责接收Reader，将Reader进行分词操作，有如下一些实现类

TokenFilter  将分词的出来的单元，进行各种各样的过滤。 

代码如下：

<span style="font-size:14px;">package hhc;import java.io.IOException;import java.io.StringReader;import org.apache.lucene.analysis.Analyzer;import org.apache.lucene.analysis.TokenStream;import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;import org.apache.lucene.analysis.tokenattributes.OffsetAttribute;import org.apache.lucene.analysis.tokenattributes.PositionIncrementAttribute;import org.apache.lucene.analysis.tokenattributes.TypeAttribute;public class AnalyzerUtil {/** * 输出字符分词信息 *  * @param str * @param a */public static void displayAllToken(String str, Analyzer a) {try {// 所有的分词器都必须含有分词流TokenStream stream = a.tokenStream("content", new StringReader(str));// 放回一个TokenStream;/** * 创建一个属性，这个属性会添加到流里，随着这个TokenStream流增加 * 这个属性中保存中所有的分词信息 */CharTermAttribute cta=stream.addAttribute(CharTermAttribute.class);//位置增量的属性，存储词之间的距离PositionIncrementAttribute pia = stream.addAttribute(PositionIncrementAttribute.class);//储存每个词直接的偏移量OffsetAttribute oa = stream.addAttribute(OffsetAttribute.class);//使用的每个分词器直接的类型信息TypeAttribute ta = stream.addAttribute(TypeAttribute.class);for (; stream.incrementToken();) {System.out.print(pia.getPositionIncrement()+":");System.out.print(cta+":["+oa.startOffset()+"-"+oa.endOffset()+"]-->"+ta.type()+"\n");}System.out.println();} catch (IOException e) {// TODO Auto-generated catch blocke.printStackTrace();}}}</span>

测试：

<span style="font-size:14px;">@Testpublic void hhcTest(){Analyzer a1 =new StandardAnalyzer(Version.LUCENE_35);Analyzer a2 =new StopAnalyzer(Version.LUCENE_35);Analyzer a3 =new SimpleAnalyzer(Version.LUCENE_35);Analyzer a4 =new WhitespaceAnalyzer(Version.LUCENE_35);String txt ="how are you think you";AnalyzerUtil.displayAllToken(txt, a1);AnalyzerUtil.displayAllToken(txt, a2);AnalyzerUtil.displayAllToken(txt, a3);AnalyzerUtil.displayAllToken(txt, a4);}</span>