最近公司在做一个题库的功能，需要用到 中文分词和公式分词的工具，最开始用 IKAnalyzer 2012F 版本 + lunece 6.5.1做了一版中文分词工具。
具体如下：
一、IKAnalyzer 2012F + lunece 6.5.1 实现中文分词
public static List<String> analysisByIK(Analyzer analyzer,String field, String content){
if(StringUtils.isNullOrEmpty(content)){
return null;
}
TokenStream ts = null;
try {
ts = analyzer.tokenStream(field, new StringReader(content));
CharTermAttribute term = ts.addAttribute(CharTermAttribute.class);
ts.reset();
List<String> vocabularies = new ArrayList<>();
while (ts.incrementToken()) {
vocabularies.add(term.toString());
}
ts.end();
return vocabularies;
} catch (Exception e) {
logger.error(e.getMessage(), e);
} finally {
if (ts != null) {
try {
ts.close();
} catch (IOException e) {
e.printStackTrace();
}
}
}
return null;
}
调用方式：
String str = "已知三角形ABC中，角A等于角B加角C，那么三角形ABC是 A、锐角三角形 B、直角三角形 C、钝角三角形 D、不能确定"; Analyzer analyzer = new IKAnalyzer(true); ikList = analysisByIK(analyzer, "myfield", str); listAnalyzer.addAll(ikList);
输出结果listAnalyzerd：
[已知, 三角形, abc, 中, 角, a, 等于, 角, b, 加, 角, c, 那么, 三角形, abc, 是, a, 锐角三角形, b, 直角三角形, c, 钝角三角形, d, 不能, 确定]
但是由于公式切词是 原来公司大牛写的，在满足公式切词的条件下，中文切词的IKAnalyzer 2012F与其不兼容。于是尝试其他版本，最终决定用 IKAnalyzer 3.2.8 实现了兼容。
二、IKAnalyzer 3.2.8 + lunece 3.1.0 兼容版本
public static List<String> analysisByIK3Point2(Analyzer analyzer,String field, String content) throws Exception{
if(StringUtils.isNullOrEmpty(content)){
return null;
}
List<String> list = new ArrayList<>();
Reader reader = new StringReader(content);
TokenStream stream = (TokenStream)analyzer.tokenStream(field, reader);
//添加工具类 注意：以下这些与之前lucene2.x版本不同的地方
TermAttribute termAtt = (TermAttribute)stream.addAttribute(TermAttribute.class);
OffsetAttribute offAtt = (OffsetAttribute)stream.addAttribute(OffsetAttribute.class);
// 循环打印出分词的结果，及分词出现的位置
while(stream.incrementToken()){
list.add(termAtt.term());
// System.out.println(termAtt.term());
}
return list;
}
调用方式：
String str = "已知三角形ABC中，角A等于角B加角C，那么三角形ABC是 A、锐角三角形 B、直角三角形 C、钝角三角形 D、不能确定"; Analyzer analyzer = new IKAnalyzer(true); ikList = analysisByIK3Point2(analyzer, "myfield", str); listAnalyzer.addAll(ikList);
输出结果：
[已知, 三角形, abc, 中, 角, a, 等于, 角, b, 加, 角, c, 那么, 三角形, abc, 是, a, 锐角三角形, b, 直角三角形, c, 钝角三角形, d, 不能, 确定]
即使用不同版本实现相同功能效果。 主要是 因为IKAnalyzer 2012F 依赖Analyzer的tokenStream是final方法，但是公式分词用到的tokenSteam方法是抽象方法。两者冲突了，所以考虑去做兼容。
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对脚本之家的支持。如果你想了解更多相关内容请查看下面相关链接
