<正向/反向>最大匹配算法（Java）
算法描述（正向）：
给定最大词长n，待分词文本str，指针f=0，词典dic文档
1 取子串sub=str(f,f+n)
2 如果(遍历dic，有匹配sub) f++;
3 否则 n--;
4 注意：边界判定、没有找到词的情况
算法举例分析（正向）：
你有个要分词的文本“你毁了我容忍傻逼的能力”，你给出能最大接受的词长为6
（注意，6为6字节(byte)，而一个汉字为2字节，你可能注意到下面的程序里我把6除以2了，因为在java里，char也是两字节的，所以它能装一个汉字，也可以装一个字母或符号。）
现在指针指向第一个字，第一次取到的子串是“你毁了”，在词典中找有没有这个词，没有，那我们把词长变成4，即两个字，第二次取到的子串是“你毁”，再找，也没有，第三次取到的子串是“你”，在词典中能找到了，这时指针加一，指向“毁”字，词长恢复6，这就是一轮查找了。
。。。
跳过几步，假如现在指针指向了“容”字，第一次取到“容忍傻”，第二次取到“容忍”，“容忍”在词典能找到，这个时候，指针需要移动两位指向“傻”字，同理，若你取到三个字的词而且这个词能在词典中找到时，指针也要移三位，即 f+n
反向最大匹配跟正向原理一样，只是指针从最后一位开始向前移动。
1 package Algorithm; 2 3 import common.InitializeCorpus; 4 import java.io.IOException; 5 import java.util.Stack; 6 7 /** 8 * 9 * @author 小振xzh 20140317 10 * 正向/反向最大匹配分词算法 11 */ 12 public final class MaximumMatching { 13 public String result; //结果 14 private int posIndex; //指针 15 private int len; //长度 16 private int maxLen; //最大长度 17 private boolean re; //false正向，true反向 18 19 //---正向--- 20 public String forwardMaximumMatching(int maxLength, String str) throws IOException{ 21 result = ""; 22 posIndex = 0; 23 len = maxLength; 24 maxLen = len; 25 re = false; 26 MM(str, maxLen, 0); 27 return result; 28 } 29 30 //---反向--- 31 public String reversedMaximumMatching(int maxLength, String str) throws IOException{ 32 result = ""; 33 posIndex = 0; 34 len = maxLength; 35 maxLen = len; 36 re = true; 37 MM((new StringBuilder(str)).reverse().toString(), maxLen, 0); //源串反转 38 return result; 39 } 40 41 public void MM(String source,int len,int frompos) throws IOException{ 42 if(posIndex>source.length()-1){ 43 return; 44 } 45 if(source.length()-frompos<len){ 46 len = source.length()-frompos; 47 } 48 String tmp = source.substring(frompos, frompos+len); //获得子串 49 50 if(!re){ 51 if(InitializeCorpus.ChineseDicList.contains(tmp)){ //这是另一个类里定义的静态ArrayList，里面存的是词 52 result += tmp+"/ "; 53 posIndex += len; 54 len = maxLen; //重置长度 55 MM(source, len, posIndex); 56 }else if(len>1){ 57 len -= 1; 58 MM(source, len, posIndex); 59 }else{ 60 result += "字典中没有‘"+tmp+"’字/ "; 61 posIndex += 1; 62 len = maxLen; 63 MM(source, len, posIndex); 64 } 65 }else{ 66 tmp = (new StringBuilder(tmp)).reverse().toString(); 67 Stack<String> sk = new Stack<String>(); //反向使用stack存储词语 68 if(InitializeCorpus.ChineseDicList.contains(tmp)){ 69 sk.push(tmp+"/ "); 70 posIndex += len; 71 len = maxLen; 72 MM(source, len, posIndex); 73 }else if(len>1){ 74 len -= 1; 75 MM(source, len, posIndex); 76 }else{ 77 sk.push("字典中没有’"+tmp+"'字/ "); 78 posIndex += 1; 79 len = maxLen; 80 MM(source, len, posIndex); 81 } 82 while(!sk.isEmpty()){ 83 result += sk.pop(); 84 } 85 } 86 } 87 }
------------------2014年03月22日
关于算法的效率改进的一个地方，就是在构造函数中，把词典读到一个数组里，空间换时间，这样速度可以提高大约10倍？
-------------------2014年04月15日
修改了算法的代码 | 代码整洁之道
