[size=large]1 我要满足一个需求,只返回在字典中的词。对于不在字典中的:庖丁默认的实现是两个字一分。我现在的这个需求相当于是覆盖这个对应的方法,让他不返回即可。我的实现就是覆盖了
CJKKnife的dissectIsolated方法,改成不做任何事情:[/size]
[size=large]2 另外一个地方我们的需求是:不需要字典,全部都是两个字一分。不要字典其实我们自己实现起来也比较简单方便,但是感觉在庖丁的基础上改下可能也不错,然后我就这样做了。我仿照StandardTokenizer(这个是每个字一分,和我的需求很接近)写了个:TwoWordTokenizer[/size]
[size=large]
原理其实就是不断移动原始字符串的位置,去填充一个buffer,每次buffer填充两个字就next,next的时候buffer重新填充。会说这个说起来比较容易的功能,我当时就是看了半天,也许这个东西和c语言那些比较类似吧,看多了java代码证的是人容易变傻。[/size]
CJKKnife的dissectIsolated方法,改成不做任何事情:[/size]
protected void dissectIsolated(Collector collector, Beef beef, int offset,
int limit) {
}
[size=large]2 另外一个地方我们的需求是:不需要字典,全部都是两个字一分。不要字典其实我们自己实现起来也比较简单方便,但是感觉在庖丁的基础上改下可能也不错,然后我就这样做了。我仿照StandardTokenizer(这个是每个字一分,和我的需求很接近)写了个:TwoWordTokenizer[/size]
public final class TwoWordTokenizer extends Tokenizer {
private int bufferIndex = 0;
private int dataLen = 0;
private final char[] buffer = new char[2];
private char[] ioBuffer = new char[16];
public TwoWordTokenizer(Reader in) {
this.input = in;
}
public final Token next(Token reusableToken) throws IOException {
int length = 0;
while (true) {
if (this.bufferIndex >= this.dataLen) {
this.dataLen = this.input.read(this.ioBuffer);
// 索引之前转为小写
String inputString = new String(this.ioBuffer);
inputString = inputString.toLowerCase();
this.ioBuffer = inputString.toCharArray();
this.bufferIndex = 0;
}
if (this.dataLen == -1) {
return null;
}
char c = this.ioBuffer[(this.bufferIndex++)];
if (Character.isLetter(c)) {
this.buffer[(length++)] = c;
if (length == 2) {
this.bufferIndex -= 1;
break;
}
}
}
if (length == 0) {
return null;
}
return reusableToken.reinit(this.buffer, 0, length, 0, 0, "word");
}
}
[size=large]
原理其实就是不断移动原始字符串的位置,去填充一个buffer,每次buffer填充两个字就next,next的时候buffer重新填充。会说这个说起来比较容易的功能,我当时就是看了半天,也许这个东西和c语言那些比较类似吧,看多了java代码证的是人容易变傻。[/size]