MMAnalyzer极易中文分词组件

支持英文、数字、中文（简体）混合分词 
常用的数量和人名的匹配 
超过22万词的词库整理 
实现正向最大匹配算法 

//采用正向最大匹配的中文分词算法，相当于分词粒度等于0 
MMAnalyzer analyzer = new MMAnalyzer(); 

//参数为分词粒度：当字数等于或超过该参数，且能成词，该词就被切分出来 
MMAnalyzer analyzer = new MMAnalyzer(2); 


//增加一个新词典，采用每行一个词的读取方式 
MMAnalyzer.addDictionary(reader); 

//增加一个新词 
MMAnalyzer.addWord(newWord); 


 

//删除词库中的全部词语（注意：非常危险的操作，在没有加载新的词库前所有的分词都将失效）
MMAnalyzer.clear();

//词库中是否包含该词
MMAnalyzer.contains(String word);

//从词库中移除该词
MMAnalyzer.removeWord(String word);

//当前词库中包含的词语总数
MMAnalyzer.size();


view plaincopy to clipboardprint?
package demo.analysis;    
  
import java.io.IOException;    
  
import jeasy.analysis.MMAnalyzer;    
  
public class Segment    
{    
  
public static void main(String[] args)    
{    
String text = "据路透社报道，印度尼西亚社会事务部一官员星期二(29日)表示，"    
+ "日惹市附近当地时间27日晨5时53分发生的里氏6.2级地震已经造成至少5427人死亡，"    
+ "20000余人受伤，近20万人无家可归。";    
  
MMAnalyzer analyzer = new MMAnalyzer();    
try    
{    
System.out.println(analyzer.segment(text, " | "));    
}    
catch (IOException e)    
{    
e.printStackTrace();    
}    
}    
}   
package demo.analysis; 

import java.io.IOException; 

import jeasy.analysis.MMAnalyzer; 

public class Segment 
{ 

public static void main(String[] args) 
{ 
String text = "据路透社报道，印度尼西亚社会事务部一官员星期二(29日)表示，" 
+ "日惹市附近当地时间27日晨5时53分发生的里氏6.2级地震已经造成至少5427人死亡，" 
+ "20000余人受伤，近20万人无家可归。"; 

MMAnalyzer analyzer = new MMAnalyzer(); 
try 
{ 
System.out.println(analyzer.segment(text, " | ")); 
} 
catch (IOException e) 
{ 
e.printStackTrace(); 
} 
} 
}  

生成效果： 

据 | 路透社 | 报道 | 印度尼西亚 | 社会 | 事务 | 部 | 官员 | 星期二 | 29日 | 表示 | 日惹 | 市 | 附近 | 当地时间 | 27日 

| 晨 | 5时 | 53分 | 发生 | 里氏 | 6.2级 | 地震 | 已经 | 造成 | 至少 | 5427人 | 死亡 | 20000 | 余人 | 受伤 | 近 | 20万人 | 无家可归 | 


view plaincopy to clipboardprint?
package demo.analysis;    
  
import jeasy.analysis.MMAnalyzer;    
  
import org.apache.lucene.analysis.Analyzer;    
import org.apache.lucene.document.Document;    
import org.apache.lucene.document.Field;    
import org.apache.lucene.index.IndexWriter;    
import org.apache.lucene.queryParser.QueryParser;    
import org.apache.lucene.search.Hits;    
import org.apache.lucene.search.IndexSearcher;    
import org.apache.lucene.search.Query;    
import org.apache.lucene.store.Directory;    
import org.apache.lucene.store.RAMDirectory;    
  
public class Segment    
{    
  
public static void main(String[] args)    
{    
String fieldName = "text";    
String text = "据路透社报道，印度尼西亚社会事务部一官员星期二(29日)表示，"    
+ "日惹市附近当地时间27日晨5时53分发生的里氏6.2级地震已经造成至少5427人死亡，"    
+ "20000余人受伤，近20万人无家可归。"; //检索内容    
  
//采用正向最大匹配的中文分词算法    
Analyzer analyzer = new MMAnalyzer();    
  
Directory directory = new RAMDirectory();    
//Directory directory = FSDirectory.getDirectory("/tmp/testindex", true);    
  
try    
{    
IndexWriter iwriter = new IndexWriter(directory, analyzer, true);    
iwriter.setMaxFieldLength(25000);    
Document doc = new Document();    
doc.add(new Field(fieldName, text, Field.Store.YES, Field.Index.TOKENIZED));    
iwriter.addDocument(doc);    
iwriter.close();    
  
IndexSearcher isearcher = new IndexSearcher(directory);    
QueryParser parser = new QueryParser(fieldName, analyzer);    
Query query = parser.parse("印度尼西亚 6.2级地震");//检索词    
Hits hits = isearcher.search(query);    
System.out.println("命中：" + hits.length());    
  
for (int i = 0; i < hits.length(); i++)    
{    
Document hitDoc = hits.doc(i);    
System.out.println("内容：" + hitDoc.get(fieldName));    
}    
  
isearcher.close();    
directory.close();    
}    
catch (Exception e)    
{    
e.printStackTrace();    
}    
}    
  
}   
package demo.analysis; 

import jeasy.analysis.MMAnalyzer; 

import org.apache.lucene.analysis.Analyzer; 
import org.apache.lucene.document.Document; 
import org.apache.lucene.document.Field; 
import org.apache.lucene.index.IndexWriter; 
import org.apache.lucene.queryParser.QueryParser; 
import org.apache.lucene.search.Hits; 
import org.apache.lucene.search.IndexSearcher; 
import org.apache.lucene.search.Query; 
import org.apache.lucene.store.Directory; 
import org.apache.lucene.store.RAMDirectory; 

public class Segment 
{ 

public static void main(String[] args) 
{ 
String fieldName = "text"; 
String text = "据路透社报道，印度尼西亚社会事务部一官员星期二(29日)表示，" 
+ "日惹市附近当地时间27日晨5时53分发生的里氏6.2级地震已经造成至少5427人死亡，" 
+ "20000余人受伤，近20万人无家可归。"; //检索内容 

//采用正向最大匹配的中文分词算法 
Analyzer analyzer = new MMAnalyzer(); 

Directory directory = new RAMDirectory(); 
//Directory directory = FSDirectory.getDirectory("/tmp/testindex", true); 

try 
{ 
IndexWriter iwriter = new IndexWriter(directory, analyzer, true); 
iwriter.setMaxFieldLength(25000); 
Document doc = new Document(); 
doc.add(new Field(fieldName, text, Field.Store.YES, Field.Index.TOKENIZED)); 
iwriter.addDocument(doc); 
iwriter.close(); 

IndexSearcher isearcher = new IndexSearcher(directory); 
QueryParser parser = new QueryParser(fieldName, analyzer); 
Query query = parser.parse("印度尼西亚 6.2级地震");//检索词 
Hits hits = isearcher.search(query); 
System.out.println("命中：" + hits.length()); 

for (int i = 0; i < hits.length(); i++) 
{ 
Document hitDoc = hits.doc(i); 
System.out.println("内容：" + hitDoc.get(fieldName)); 
} 

isearcher.close(); 
directory.close(); 
} 
catch (Exception e) 
{ 
e.printStackTrace(); 
} 
} 

}  

生成效果： 

命中：1 
内容：据路透社报道，印度尼西亚社会事务部一官员星期二(29日)表示，日惹市附近当地时间27日晨5时53分发生 

的里氏6.2级地震已经造成至少5427人死亡，20000余人受伤，近20万人无家可归。 


view plaincopy to clipboardprint?
package demo.analysis;    
  
import jeasy.analysis.MMAnalyzer;    
  
import org.apache.lucene.analysis.Analyzer;    
import org.apache.lucene.analysis.TokenStream;    
import org.apache.lucene.document.Document;    
import org.apache.lucene.document.Field;    
import org.apache.lucene.index.IndexReader;    
import org.apache.lucene.index.IndexWriter;    
import org.apache.lucene.index.TermPositionVector;    
import org.apache.lucene.queryParser.QueryParser;    
import org.apache.lucene.search.Hits;    
import org.apache.lucene.search.IndexSearcher;    
import org.apache.lucene.search.Query;    
import org.apache.lucene.search.highlight.Highlighter;    
import org.apache.lucene.search.highlight.QueryScorer;    
import org.apache.lucene.search.highlight.TokenSources;    
import org.apache.lucene.store.Directory;    
import org.apache.lucene.store.RAMDirectory;    
  
public class Segment    
{    
  
public static void main(String[] args)    
{    
String fieldName = "text";    
String text = "据路透社报道，印度尼西亚社会事务部一官员星期二(29日)表示，"    
+ "日惹市附近当地时间27日晨5时53分发生的里氏6.2级地震已经造成至少5427人死亡，"    
+ "20000余人受伤，近20万人无家可归。"; //检索内容    
  
//采用正向最大匹配的中文分词算法    
Analyzer analyzer = new MMAnalyzer();    
  
Directory directory = new RAMDirectory();    
//Directory directory = FSDirectory.getDirectory("/tmp/testindex", true);    
  
try    
{    
IndexWriter iwriter = new IndexWriter(directory, analyzer, true);    
iwriter.setMaxFieldLength(25000);    
Document doc = new Document();    
doc.add(new Field(fieldName, text, Field.Store.YES,    
Field.Index.TOKENIZED,    
Field.TermVector.WITH_POSITIONS_OFFSETS));    
iwriter.addDocument(doc);    
iwriter.close();    
  
IndexSearcher isearcher = new IndexSearcher(directory);    
QueryParser parser = new QueryParser(fieldName, analyzer);    
Query query = parser.parse("印度尼西亚 6.2级地震");//检索词    
Hits hits = isearcher.search(query);    
System.out.println("命中：" + hits.length());    
  
Highlighter highlighter = new Highlighter(new QueryScorer(query));    
for (int i = 0; i < hits.length(); i++)    
{    
text = hits.doc(i).get(fieldName);    
TermPositionVector tpv = (TermPositionVector) IndexReader.open(    
directory).getTermFreqVector(hits.id(i), fieldName);    
TokenStream tokenStream = TokenSources.getTokenStream(tpv);    
String result = highlighter.getBestFragments(tokenStream, text, 3, "...");    
System.out.println("内容：" + result);    
}    
  
isearcher.close();    
directory.close();    
}    
catch (Exception e)    
{    
e.printStackTrace();    
}    
}    
  
}   
package demo.analysis; 

import jeasy.analysis.MMAnalyzer; 

import org.apache.lucene.analysis.Analyzer; 
import org.apache.lucene.analysis.TokenStream; 
import org.apache.lucene.document.Document; 
import org.apache.lucene.document.Field; 
import org.apache.lucene.index.IndexReader; 
import org.apache.lucene.index.IndexWriter; 
import org.apache.lucene.index.TermPositionVector; 
import org.apache.lucene.queryParser.QueryParser; 
import org.apache.lucene.search.Hits; 
import org.apache.lucene.search.IndexSearcher; 
import org.apache.lucene.search.Query; 
import org.apache.lucene.search.highlight.Highlighter; 
import org.apache.lucene.search.highlight.QueryScorer; 
import org.apache.lucene.search.highlight.TokenSources; 
import org.apache.lucene.store.Directory; 
import org.apache.lucene.store.RAMDirectory; 

public class Segment 
{ 

public static void main(String[] args) 
{ 
String fieldName = "text"; 
String text = "据路透社报道，印度尼西亚社会事务部一官员星期二(29日)表示，" 
+ "日惹市附近当地时间27日晨5时53分发生的里氏6.2级地震已经造成至少5427人死亡，" 
+ "20000余人受伤，近20万人无家可归。"; //检索内容 

//采用正向最大匹配的中文分词算法 
Analyzer analyzer = new MMAnalyzer(); 

Directory directory = new RAMDirectory(); 
//Directory directory = FSDirectory.getDirectory("/tmp/testindex", true); 

try 
{ 
IndexWriter iwriter = new IndexWriter(directory, analyzer, true); 
iwriter.setMaxFieldLength(25000); 
Document doc = new Document(); 
doc.add(new Field(fieldName, text, Field.Store.YES, 
Field.Index.TOKENIZED, 
Field.TermVector.WITH_POSITIONS_OFFSETS)); 
iwriter.addDocument(doc); 
iwriter.close(); 

IndexSearcher isearcher = new IndexSearcher(directory); 
QueryParser parser = new QueryParser(fieldName, analyzer); 
Query query = parser.parse("印度尼西亚 6.2级地震");//检索词 
Hits hits = isearcher.search(query); 
System.out.println("命中：" + hits.length()); 

Highlighter highlighter = new Highlighter(new QueryScorer(query)); 
for (int i = 0; i < hits.length(); i++) 
{ 
text = hits.doc(i).get(fieldName); 
TermPositionVector tpv = (TermPositionVector) IndexReader.open( 
directory).getTermFreqVector(hits.id(i), fieldName); 
TokenStream tokenStream = TokenSources.getTokenStream(tpv); 
String result = highlighter.getBestFragments(tokenStream, text, 3, "..."); 
System.out.println("内容：" + result); 
} 

isearcher.close(); 
directory.close(); 
} 
catch (Exception e) 
{ 
e.printStackTrace(); 
} 
} 

} 
 
生成效果： 

命中：1 
内容：据路透社报道，<B>印度尼西亚</B>社会事务部一官员星期二(29日)表示，日惹市附近当地时间27日晨5时53分发生的 

里氏<B>6.2级</B><B>地震</B>已经造成至少5427人死亡，20000余人受伤，近20万人无家可归



本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/xiaoping8411/archive/2010/03/30/5435134.aspx