jcseg分词自动识别填充数据属性

  前段时间，我在公司接到一项任务，大概功能需求模型如下：比如给一系列字符串，其中包含地区的行政代码、机器ID、机器类型ID、操作人员编号ID等大部分都是一连串的数字。这些信息使用“-”或者“/”分割开，但是这些信息出现的前后顺序是不一定的。

  刚领到任务，我连jcesg是什么都没听说过。后来大概看了看有点明白了，尤其是看了jcseg的官方文档N多遍之后。下面我谈谈我的实现思路：

  Step1：把各个属性正确切割出来。jcseg里面定义了一个wordstop的词典，可以在里面定义分词的标识符。在项目启动后自动加载wordstop词典，然后我们就可以正确切割字符串。这里需要注意的一点是：分词后要避免jcseg自动二次分词，在properties文件中有个属性可以关闭二次分词。

  Step2：遍历分词后的结果，并且依次加载自定义的词典进行匹配。

 原理介绍完了，下面举个例子来说明一下过程：

 比如有一串字符串信息：110000-machineA-OperatorB。

 第一步：通过分词取得三个词：110000、machineA、OperatorB。

 第二步：遍历上述分词结果，匹配词典：

 110000对应行政代码词典里面的北京市行政区代码。所有上述字符串附加属性有：行政区：北京市。

 machineA对应机器词典里面的机器A代码。所有上述字符串附加属性有：机器：机器A。

 OperatorB对应操作员词典里面的张三代码。所有上述字符串附加属性有：操作人：张三。

 以上就是整个使用jcseg解析字符串数据信息的过程。