Lucene使用IKAnalyzer中文分词笔记 Jialy Jialy

本文主要讲解IKAnalyzer（以下简称‘IK’）在Lucene中的具体使用，关于Lucene和IK分词器的背景及其作用在这里就不再熬述。不得不感叹下Lucene版本变更的快速，如今最新已经到了4.9.0，相信任何技术的发展壮大都不可避免有这一过程。本文使用的是Lucene4.0，IKAnalyzer使用的是2012FF版。

Lucene下载请移步官网，IK下载地址如下：

http://code.google.com/p/ik-analyzer/downloads/list

   IK下载完成够拷贝至项目中，目录结构如下图所示：

可以看到src目录下有三个配置文件，分别为扩展字典文件ext.dic，停止词字典文件stopwprd.dic和配置文件IKAnalyzer.cfg.xml。配置文件IKAnalyzer.cfg.xml为配置扩展字典文件和停止词字典文件路径。IKAnalyzer.cfg.xml文件默认放置在classpath的根目录下，可以修改源码来改变该文件位置。

在程序中使用IK很简单，只需要创建IKAnalyzer对象即可，因为IKAnalyzer继承于Lucene的Analyzer。

IK无参构造函数默认采用细粒度切分算法，

Analyzer analyzer = new IKAnalyzer();//细粒度切分算法

当然也可以传入参数设置采用智能切分算法。

Analyzer analyzer = new IKAnalyzer(true);//智能切分

 

Demo例子如下：

import java.io.IOException;import org.apache.lucene.analysis.Analyzer;import org.apache.lucene.document.Document;import org.apache.lucene.document.Field;import org.apache.lucene.document.StringField;import org.apache.lucene.document.TextField;import org.apache.lucene.index.CorruptIndexException;import org.apache.lucene.index.DirectoryReader;import org.apache.lucene.index.IndexReader;import org.apache.lucene.index.IndexWriter;import org.apache.lucene.index.IndexWriterConfig;import org.apache.lucene.index.IndexWriterConfig.OpenMode;import org.apache.lucene.queryparser.classic.ParseException;import org.apache.lucene.queryparser.classic.QueryParser;import org.apache.lucene.search.IndexSearcher;import org.apache.lucene.search.Query;import org.apache.lucene.search.ScoreDoc;import org.apache.lucene.search.TopDocs;import org.apache.lucene.store.Directory;import org.apache.lucene.store.LockObtainFailedException;import org.apache.lucene.store.RAMDirectory;import org.apache.lucene.util.Version;import org.wltea.analyzer.lucene.IKAnalyzer;/** * 使用IKAnalyzer进行Lucene索引和查询的演示 * 2012-3-2 *  * 以下是结合Lucene4.0 API的写法 * */public class LuceneIndexAndSearchDemo {/** * 模拟： * 创建一个单条记录的索引，并对其进行搜索 * @param args */public static void main(String[] args){//Lucene Document的域名String fieldName = "text"; //检索内容String text = "IK Analyzer是一个结合词典分词和文法分词的中文分词开源工具包。它使用了全新的正向迭代最细粒度切分算法。";//实例化IKAnalyzer分词器Analyzer analyzer = new IKAnalyzer(true);Directory directory = null;IndexWriter iwriter = null;IndexReader ireader = null;IndexSearcher isearcher = null;try {//建立内存索引对象directory = new RAMDirectory(); //配置IndexWriterConfigIndexWriterConfig iwConfig = new IndexWriterConfig(Version.LUCENE_40 , analyzer);iwConfig.setOpenMode(OpenMode.CREATE_OR_APPEND);iwriter = new IndexWriter(directory , iwConfig);//写入索引Document doc = new Document();doc.add(new StringField("ID", "10000", Field.Store.YES));doc.add(new TextField(fieldName, text, Field.Store.YES));iwriter.addDocument(doc);iwriter.close();//搜索过程**********************************    //实例化搜索器   ireader = DirectoryReader.open(directory);isearcher = new IndexSearcher(ireader);String keyword = "中文分词工具包";//使用QueryParser查询分析器构造Query对象QueryParser qp = new QueryParser(Version.LUCENE_40, fieldName,  analyzer);qp.setDefaultOperator(QueryParser.AND_OPERATOR);Query query = qp.parse(keyword);System.out.println("Query = " + query);//搜索相似度最高的5条记录TopDocs topDocs = isearcher.search(query , 5);System.out.println("命中：" + topDocs.totalHits);//输出结果ScoreDoc[] scoreDocs = topDocs.scoreDocs;for (int i = 0; i < topDocs.totalHits; i++){Document targetDoc = isearcher.doc(scoreDocs[i].doc);System.out.println("内容：" + targetDoc.toString());}} catch (CorruptIndexException e) {e.printStackTrace();} catch (LockObtainFailedException e) {e.printStackTrace();} catch (IOException e) {e.printStackTrace();} catch (ParseException e) {e.printStackTrace();} finally{if(ireader != null){try {ireader.close();} catch (IOException e) {e.printStackTrace();}}if(directory != null){try {directory.close();} catch (IOException e) {e.printStackTrace();}}}}}

    看看代码，IK的使用真的很简单。其实该例子的代码就在IK包org/wltea/analyzer/sample/下。关于Lucene的使用可参看另一篇文章，文章地址：

http://www.52jialy.com/article/showArticle?articleId=402881e546d8b14b0146d8e638640008