Lucene4.3.1 拼写检查SpellChecker

2019独角兽企业重金招聘Python工程师标准>>>

org.apache.lucene.search.spell 
Class SpellChecker

java.lang.Object
  org.apache.lucene.search.spell.SpellChecker

Lucene拼写检查类

使用例子：

 SpellChecker spellchecker = new SpellChecker(spellIndexDirectory);
 // To index a field of a user index:
 spellchecker.indexDictionary(new LuceneDictionary(my_lucene_reader, a_field));
 // To index a file containing words:
 spellchecker.indexDictionary(new PlainTextDictionary(new File("myfile.txt")));
 String[] suggestions = spellchecker.suggestSimilar("misspelt", 5);

SpellChecker有三个构造方法，可以根据给定的Directory实例创建SpellChecker对象进行后续操作；

PlainTextDictionary实现了Dictionary接口，并提供3个构造方法，参数分别为：File、InputStream、Reader

上面例子中根据一个文本文件创建PlainTextDirectory字典，该文本文件的格式为每一行包含一个词，如：

word1
word2
word3

其他：FileDictionary, HighFrequencyDictionary, LuceneDictionary

SpellChecker方法：

String [] suggestSimilar（String word,int numSug）

参数：

word-需要检查的词

numSug-返回的suggest词数

其他的：String [] suggestSimilar（...），可以根据精度等进行，详情请参考官方文档；

完整代码示例：

import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.document.TextField;
import org.apache.lucene.index.DirectoryReader;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.queryparser.classic.QueryParser;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.search.spell.PlainTextDictionary;
import org.apache.lucene.search.spell.SpellChecker;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.RAMDirectory;
import org.apache.lucene.util.Version;
import org.wltea.analyzer.lucene.IKAnalyzer;

import java.io.File;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

public class SpellCheckerTest {
    private static String filepath = "C:\\Users\\Mr_Tank_\\Desktop\\BaseTest\\dictionaryfile.txt";
    private Document document;
    private Directory directory;
    private IndexWriter indexWriter;
    private SpellChecker spellchecker;
    private IndexReader indexReader;
    private IndexSearcher indexSearcher;

    private IndexWriterConfig getConfig() {
        return new IndexWriterConfig(Version.LUCENE_43, new IKAnalyzer(true));
    }

    private IndexWriter getIndexWriter() {
        directory = new RAMDirectory();
        try {
            return new IndexWriter(directory, getConfig());
        } catch (IOException e) {
            e.printStackTrace();
            return null;
        }
    }

    /**
     * Create index for test
     *
     * @param content
     * @throws IOException
     */
    public void createIndex(String content) {
        indexWriter = getIndexWriter();
        document = new Document();
        document.add(new TextField("content", content, Field.Store.YES));
        try {
            indexWriter.addDocument(document);
            indexWriter.commit();
            indexWriter.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    public ScoreDoc[] gethits(String content) {
        try {
            indexReader = DirectoryReader.open(directory);
            indexSearcher = new IndexSearcher(indexReader);
            QueryParser parser = new QueryParser(Version.LUCENE_43, "content", new IKAnalyzer(true));
            Query query = parser.parse(content);
            TopDocs td = indexSearcher.search(query, 1000);
            return td.scoreDocs;
        } catch (Exception e) {
            e.printStackTrace();
            return null;
        }
    }

    /**
     * @param scoreDocs
     * @return
     * @throws IOException
     */
    public List<Document> getDocumentList(ScoreDoc[] scoreDocs) throws IOException {
        List<Document> documentList = null;
        if (scoreDocs.length >= 1) {
            documentList = new ArrayList<Document>();
            for (int i = 0; i < scoreDocs.length; i++) {
                documentList.add(indexSearcher.doc(scoreDocs[i].doc));
            }
        }
        return documentList;
    }

    public String[] search(String word, int numSug) {
        directory = new RAMDirectory();
        try {
            spellchecker = new SpellChecker(directory);
            spellchecker.indexDictionary(new PlainTextDictionary(new File(filepath)), getConfig(), true);
            return getSuggestions(spellchecker, word, numSug);
        } catch (IOException e) {
            e.printStackTrace();
            return null;
        }
    }

    private String[] getSuggestions(SpellChecker spellchecker, String word, int numSug) throws IOException {
        return spellchecker.suggestSimilar(word, numSug);
    }

    public static void main(String[] args) throws IOException {
        SpellCheckerTest spellCheckerTest = new SpellCheckerTest();
        spellCheckerTest.createIndex("开源中国-找到您想要的开源项目，分享和交流");
        spellCheckerTest.createIndex("CSDN-全球最大中文IT社区");

        String word = "开园中国";

        /*
        ScoreDoc[] scoreDocs = spellCheckerTest.gethits(word);

        List<Document> documentList = spellCheckerTest.getDocumentList(scoreDocs);
        if (documentList.size() >= 1) {
            for (Document d : documentList) {
                System.out.println("搜索结果：" + d.get("content"));
            }
        }
        */
        String[] suggest = spellCheckerTest.search(word, 5);
        if (suggest != null && suggest.length >= 1) {
            for (String s : suggest) {
                System.out.println("您是不是要找：" + s);
            }
        } else {
            System.out.println("拼写正确");
        }
    }
}

dictionaryfile.txt：

中华人民共和国
开源中国
开源社区
Lucene
拼写检查
Lucene4.3.1

转载于:https://my.oschina.net/tanweijie/blog/194046