用lucene4.10.2分词器进行分词

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
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
import java.util.Iterator;
import java.util.LinkedList;
import java.util.List;
import org.apache.lucene.analysis.TokenStream;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
import org.apache.lucene.analysis.util.CharArraySet;
 
public class StandardAnalyzerTest {
 
    @SuppressWarnings("resource")
    public static void main(String[] args) {
        try {
            // 要处理的文本
            String text = "你好*hello,哈哈! !'ni> < !' hao->。“我”.192.168.8.10";
            // 自定义停用词      
            List<String> sw = new LinkedList<String>();// custom stopWords set
            sw.add("");
            CharArraySet stopWords = new CharArraySet(sw, true);           
            // 加入系统默认停用词
            Iterator<Object> itor = StandardAnalyzer.STOP_WORDS_SET.iterator();
            while (itor.hasNext()) {
                stopWords.add(itor.next());
            }
            // 标准分词器(Lucene内置的标准分析器,会将语汇单元转成小写形式,并去除停用词及标点符号)
            StandardAnalyzer analyzer = new StandardAnalyzer(stopWords);
            TokenStream ts = analyzer.tokenStream("field", text);
            CharTermAttribute ch = ts.addAttribute(CharTermAttribute.class);
            ts.reset();
            while (ts.incrementToken()) {
                System.out.println(ch.toString());
            }
            ts.end();
            ts.close();
        } catch (Exception ex) {
            ex.printStackTrace();
        }
    }
 
}
分词结果如下:
hello
ni
hao
192.168.8.10

  

posted on   XIAO的博客  阅读(500)  评论(0编辑  收藏  举报

编辑推荐:
· 如何编写易于单元测试的代码
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
阅读排行:
· 周边上新:园子的第一款马克杯温暖上架
· Open-Sora 2.0 重磅开源!
· 分享 3 个 .NET 开源的文件压缩处理库,助力快速实现文件压缩解压功能!
· Ollama——大语言模型本地部署的极速利器
· DeepSeek如何颠覆传统软件测试?测试工程师会被淘汰吗?

导航

统计

点击右上角即可分享
微信分享提示