核心代码:
public class AnalyzerUtils {
/**
* 显示分词信息
* @param str
* @param a
* @Adder by arvin 2013-7-2 下午5:02:24
*/
public static void displayToken(String str,Analyzer a) {
try {
TokenStream stream = a.tokenStream("content",new StringReader(str));
//创建一个属性,这个属性会添加流中,随着这个TokenStream增加
CharTermAttribute cta = stream.addAttribute(CharTermAttribute.class);
stream.reset();//不添加会显示空指针错误
while(stream.incrementToken()) {
System.out.print("["+cta+"]");
}
System.out.println();
stream.end();
} catch (IOException e) {
e.printStackTrace();
}
}
/**
* 显示分词的所有信息
* @param str
* @param a
* @Adder by arvin 2013-7-2 下午5:02:52
*/
public static void displayAllTokenInfo(String str,Analyzer a){
try {
TokenStream stream = a.tokenStream("content",new StringReader(str));
//位置增量的属性,存储语汇单元之间的距离
PositionIncrementAttribute pis=stream.addAttribute(PositionIncrementAttribute.class);
//每个语汇单元的位置偏移量
OffsetAttribute oa=stream.addAttribute(OffsetAttribute.class);
//存储每一个语汇单元的信息(分词单元信息)
CharTermAttribute cta=stream.addAttribute(CharTermAttribute.class);
//使用的分词器的类型信息
TypeAttribute ta=stream.addAttribute(TypeAttribute.class);
stream.reset();
while(stream.incrementToken()) {
System.out.print("增量:"+pis.getPositionIncrement()+":");
System.out.print("分词:"+cta+"位置:["+oa.startOffset()+"~"+oa.endOffset()+"]->类型:"+ta.type()+"\n");
}
System.out.println();
stream.end();
} catch (IOException e) {
e.printStackTrace();
}
}
}
测试代码:
@Test
public void testAnalyzer(){
Analyzer a1=new StandardAnalyzer(Version.LUCENE_43);
Analyzer a2=new StopAnalyzer(Version.LUCENE_43);
Analyzer a3=new SimpleAnalyzer(Version.LUCENE_43);
Analyzer a4=new WhitespaceAnalyzer(Version.LUCENE_43);
String str="this is my house,I am come from yunnang zhaotong,my email is 342345324@qq.com";
//String str="我的家乡在福建省龙岩市";
AnalyzerUtils.displayToken(str, a1);
AnalyzerUtils.displayToken(str, a2);
AnalyzerUtils.displayToken(str, a3);
AnalyzerUtils.displayToken(str, a4);
}
@Test
public void testAnalyzer02(){
Analyzer a1=new StandardAnalyzer(Version.LUCENE_43);
Analyzer a2=new StopAnalyzer(Version.LUCENE_43);
Analyzer a3=new SimpleAnalyzer(Version.LUCENE_43);
Analyzer a4=new WhitespaceAnalyzer(Version.LUCENE_43);
String str="how are you thank you";
AnalyzerUtils.displayAllTokenInfo(str, a1);
AnalyzerUtils.displayAllTokenInfo(str, a2);
AnalyzerUtils.displayAllTokenInfo(str, a3);
AnalyzerUtils.displayAllTokenInfo(str, a4);
}
控制台结果显示:
英文结果:
testAnalyzer()结果:
[my][house][i][am][come][from][yunnang][zhaotong][my][email][342345324][qq.com]
[my][house][i][am][come][from][yunnang][zhaotong][my][email][qq][com]
[this][is][my][house][i][am][come][from][yunnang][zhaotong][my][email][is][qq][com]
[this][is][my][house,I][am][come][from][yunnang][zhaotong,my][email][is][342345324@qq.com]
testAnalyzer()结果
增量:1:分词:how位置:[0~3]->类型:<ALPHANUM>
增量:2:分词:you位置:[8~11]->类型:<ALPHANUM>
增量:1:分词:thank位置:[12~17]->类型:<ALPHANUM>
增量:1:分词:you位置:[18~21]->类型:<ALPHANUM>
增量:1:分词:how位置:[0~3]->类型:word
增量:2:分词:you位置:[8~11]->类型:word
增量:1:分词:thank位置:[12~17]->类型:word
增量:1:分词:you位置:[18~21]->类型:word
增量:1:分词:how位置:[0~3]->类型:word
增量:1:分词:are位置:[4~7]->类型:word
增量:1:分词:you位置:[8~11]->类型:word
增量:1:分词:thank位置:[12~17]->类型:word
增量:1:分词:you位置:[18~21]->类型:word
增量:1:分词:how位置:[0~3]->类型:word
增量:1:分词:are位置:[4~7]->类型:word
增量:1:分词:you位置:[8~11]->类型:word
增量:1:分词:thank位置:[12~17]->类型:word
增量:1:分词:you位置:[18~21]->类型:word
中文结果:
testAnalyzer()结果:
[我][的][家][乡][在][福][建][省][龙][岩][市]
[我的家乡在福建省龙岩市]
[我的家乡在福建省龙岩市]
[我的家乡在福建省龙岩市]testAnalyzer02()结果:
增量:1:分词:明位置:[0~1]->类型:<IDEOGRAPHIC>
增量:1:分词:天位置:[1~2]->类型:<IDEOGRAPHIC>
增量:1:分词:是位置:[2~3]->类型:<IDEOGRAPHIC>
增量:1:分词:我位置:[3~4]->类型:<IDEOGRAPHIC>
增量:1:分词:的位置:[4~5]->类型:<IDEOGRAPHIC>
增量:1:分词:生位置:[5~6]->类型:<IDEOGRAPHIC>
增量:1:分词:日位置:[6~7]->类型:<IDEOGRAPHIC>
增量:1:分词:明天是我的生日位置:[0~7]->类型:word
增量:1:分词:明天是我的生日位置:[0~7]->类型:word
增量:1:分词:明天是我的生日位置:[0~7]->类型:word