IKAnalyzer分词单独使用例子

 

IKAnalyzer分词单独使用例子

java IKAnalyzer IKAnalyzer使用 中文分词

最近用了一下中文分词工具，网上说中科院研究的盘古分词比较好，找了一下没有java版本的，只有.net版本的，所以选用的IKAnalyzer分词工具.
IKAnalyzer官方说有以下特点（我没有做过测试，不知是真是假）：
采用了特有的“正向迭代最细粒度切分算法“，具有60万字/秒的高速处理能力。
采用了多子处理器分析模式，支持：英文字母（IP地址、Email、URL）、数字（日期，常用中文数量词，罗马数字，科学计数法），中文词汇（姓名、地名处理）等分词处理。

言归正传开始看代码：
使用版本3.2.8 地址 http://code.google.com/p/ik-analyzer/downloads/list
目录结构：
/ext_stopword.dic （停词列表）
/IKAnalyzer.cfg.xml （配置文件）
/IKAnalyzer3.2.8.jar
/doc3.2.8
把/ext_stopword.dic /IKAnalyzer.cfg.xml两个文件放到classpath下，引入/IKAnalyzer3.2.8.jar

/IKAnalyzer.cfg.xml内容：
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd"> 
<properties> 
<comment>IK Analyzer 扩展配置</comment>
<!--用户可以在这里配置自己的扩展字典 -->
<entry key="ext_dict">/mydict.dic</entry>

<!--用户可以在这里配置自己的扩展停止词字典-->
<entry key="ext_stopwords">/ext_stopword.dic</entry>

</properties>
/mydict.dic内容：
不是坏人
不是好人
ext_stopword.dic内容：
也
了
仍
从
以
使
则
却
又
及
对
就
并
很
或
把
是
的
着
给
而
被
让
在
还
比
等
当
与
于
但

实例代码：
package IKAnalyzerTest;

import java.io.IOException;
import java.io.StringReader;

import org.wltea.analyzer.IKSegmentation;
import org.wltea.analyzer.Lexeme;

/**
* Hello world!
*
*/
public class App
{
    public static void main( String[] args ) throws IOException{
    String str = "从那时起，我就不是坏人了";
    StringReader reader = new StringReader(str);
    IKSegmentation ik = new IKSegmentation(reader,true);//当为true时，分词器进行最大词长切分
    Lexeme lexeme = null;
    while((lexeme = ik.next())!=null)
    System.out.println(lexeme.getLexemeText());
    }
}


去掉/mydict.dic和/ext_stopword.dic运行结果：
从那时起
我
就不是
坏人
了
只去掉/mydict.dic运行结果：
从那时起
我
就不是
坏人
全加上运行结果：
从那时起
我
就不是
不是坏人