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

package com.haha.test;  

  

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.wltea.analyzer.lucene.IKAnalyzer;  

  

public class Test2 {  

    public static void main(String[] args) throws IOException {  

        String text="基于java语言开发的轻量级的中文分词工具包";  

        //创建分词对象  

        Analyzer anal=new IKAnalyzer(true);       

        StringReader reader=new StringReader(text);  

        //分词  

        TokenStream ts=anal.tokenStream("", reader);  

        CharTermAttribute term=ts.getAttribute(CharTermAttribute.class);  

        //遍历分词数据  

        while(ts.incrementToken()){  

            System.out.print(term.toString()+"|");  

        }  

        reader.close();  

        System.out.println();  

    }  

  

}  

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

package com.haha.test;  

  

import java.io.IOException;  

import java.io.StringReader;  

  

import org.wltea.analyzer.core.IKSegmenter;  

import org.wltea.analyzer.core.Lexeme;  

  

public class Test3 {  

      

    public static void main(String[] args) throws IOException {  

        String text="基于java语言开发的轻量级的中文分词工具包";  

        StringReader sr=new StringReader(text);  

        IKSegmenter ik=new IKSegmenter(sr, true);  

        Lexeme lex=null;  

        while((lex=ik.next())!=null){  

            System.out.print(lex.getLexemeText()+"|");  

        }  

    }  

  

}