转载请注明出处:http://blog.csdn.net/xiaojimanman/article/details/42916755
在lucene创建索引的过程中,数据信息的处理是一个十分重要的过程,在这一过程中,主要的部分就是这一篇博客的主题:分词器。在下面简单的demo中,介绍了7中比较常见的分词技术,即:CJKAnalyzer、KeywordAnalyzer、SimpleAnalyzer、StopAnalyzer、WhitespaceAnalyzer、StandardAnalyzer、IKAnalyzer;自己可以通过注释的形式一一验证。源程序如下:
Analyzer分词demo
/**
*@Description: 分词技术demo
*/
package com.lulei.lucene.study;
import java.io.StringReader;
import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.TokenStream;
import org.apache.lucene.analysis.cjk.CJKAnalyzer;
import org.apache.lucene.analysis.core.KeywordAnalyzer;
import org.apache.lucene.analysis.core.SimpleAnalyzer;
import org.apache.lucene.analysis.core.StopAnalyzer;
import org.apache.lucene.analysis.core.WhitespaceAnalyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
import org.apache.lucene.util.Version;
import org.wltea.analyzer.lucene.IKAnalyzer;
public class AnalyzerStudy {
public static void main(String[] args) throws Exception {
//需要处理的测试字符串
String str = "这是一个分词器测试程序,希望大家继续关注我的个人系列博客:基于Lucene的案例开发,这里加一点带空格的标签 LUCENE ja