站内搜索--分词（二元、盘古）

 一般的网站中都有站内搜索，如果使用Like去做，效率就会很低。

例如，百度的数据库中有上亿条数据，使用like就会造成全表扫描，什么时候才能把搜索到的结果返回给页面。

所以，Lucene.Net（搜索引擎核心）就会被大家所采用。

一、分词

　　分词是核心的算法，Lucene.Net本身是不提供分词算法的。

　　示例代码：

　　

             //Analyzer analyzer = new PanGuAnalyzer();//盘古分词
             //Analyzer analyzer = new CJKAnalyzer(); //二元分词
             //Analyzer analyzer = new StandardAnalyzer();//一元分词
            TokenStream tokenStream = analyzer.TokenStream("", new StringReader(TextBox1.Text));
            Lucene.Net.Analysis.Token token = null;
            while ((token = tokenStream.Next()) != null)
            {
                Response.Write(token.TermText() + "<br/>");
            }

 

　　一元分词算法（StandardAnalyzer）

　　将中文子符一一分割，英文字符以空格、标点分割。 效果如图 1-1

　　

　　　　　　

　　二元分词算法（CJKAnalyzer）

　　将中文字符每两个组合，英文字符以空格、标点分割。效果如图 1-2

　　　　　　

　　　网上提供的是两个类：CJKAnalyzer.cs、CJKTokenizer.cs  都继承Analyzer，多态的好处体现出来了，直接拷到自己的项目中使用。

　　　盘古分词（比较智能）

　　　这种算法相比较前两个分词算法，稍微体现出（百度）更懂中国

　　　先看效果如图 1-3

　　

　　　　　　

　　　网上提供了开源项目，盘古分词V1.2.0.0.zip 解压，PanGuDictionaries.zip中文件添加到项目中新建文件夹（Dict）中，项目中全选，属性窗口中：复制到输出目录，选择如果较新则复制；还要引用类库：PanGu.Lucene.Analyzer.dll、PanGu.dll

　　  当然这个分法还能接受，其实，盘古分词有自己的词库Dict.dct,可以根据自己网站中涉及到的专业名词来添加更多词，让分词更加准确。

　　　写下这些以便以后使用到...

转载于:https://www.cnblogs.com/ancient-sir/archive/2012/03/15/Lucene.html