Lucene中文分词图解

浏览数：25 / 时间：2015年06月09日

本文记录Lucene+Paoding的使用方法图解:

一、下载Lucene(官网:http://archive.apache.org/dist/lucene/java/)本文中使用的是:2.9.4,下载后解压,Lucene所需要的基本jar文件如下列表:

lucene-core-2.9.4.jar Lucene核心jar

lucene-analyzers-2.9.4.jar Lucene分词jar

lucene-highlighter-2.9.4.jar Lucene高亮显示jar

二、由于Lucene中的中文分词实现不了我们所需要的功能,所以,需要下载第三方包(疱丁解牛)(官网:http://code.google.com/p/paoding/ )最新版本为:paoding-analysis-2.0.4-beta.zip 下载解压后,Lucene使用‘疱丁‘所需要的jar文件如下列表:

paoding-analysis.jar Lucene针对中文分词需要jar

commons-logging.jar 日志文件

{PADODING_HOME}/dic 疱丁解牛词典目录(PAODING_HOME:代表解压后的paoding目录)

三、打开Eclipse并创建一个Java Project(项目名称和项目所在的路径不能包含空格),本例中Project Name:Paoding

1_1：在Paoding Project 创建一个Folder--lib(用于存放所有的jar),把前面所说的jar文件拷贝到lib目录下,并把lib下所有的jar添加到项目ClassPath下.

1_2：拷贝{PAODING_HOME}/dic目录至 Paoding项目/src下整个项目结构图如下：

四、创建TestFileIndex.java类,实现功能是：把d:\data\*.txt所有文件读入内存中,并写入索引目录(d:\luceneindex)下

TestFileIndex.java

package com.lixing.paoding.index;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStreamReader;

import net.paoding.analysis.analyzer.PaodingAnalyzer;

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.store.Directory;
import org.apache.lucene.store.FSDirectory;

public class TestFileIndex {
  public static void main(String[] args) throws Exception {
    String dataDir="d:/data";
    String indexDir="d:/luceneindex";

    File[] files=new File(dataDir).listFiles();
    System.out.println(files.length);

    Analyzer analyzer=new PaodingAnalyzer();
    Directory dir=FSDirectory.open(new File(indexDir));
    IndexWriter writer=new IndexWriter(dir, analyzer, IndexWriter.MaxFieldLength.UNLIMITED);

    for(int i=0;i<files.length;i++){
      StringBuffer strBuffer=new StringBuffer();
      String line="";
      FileInputStream is=new FileInputStream(files[i].getCanonicalPath());
      BufferedReader reader=new BufferedReader(new InputStreamReader(is,"gb2312"));
      line=reader.readLine();
      while(line != null){
        strBuffer.append(line);
        strBuffer.append("\n");
        line=reader.readLine();
      }

      Document doc=new Document();
      doc.add(new Field("fileName", files[i].getName(), Field.Store.YES, Field.Index.ANALYZED));
      doc.add(new Field("contents", strBuffer.toString(), Field.Store.YES, Field.Index.ANALYZED));
      writer.addDocument(doc);
      reader.close();
      is.close();
    }

    writer.optimize();
    writer.close();
    dir.close();
    System.out.println("ok");
  }
}

五、创建TestFileSearcher.java,实现在的功能是:读取索引中的内容:

TestFileSearcerh.java

package com.lixing.paoding.index;

import java.io.File;

import net.paoding.analysis.analyzer.PaodingAnalyzer;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.queryParser.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.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.Version;

public class TestFileSearcher {
  public static void main(String[] args) throws Exception {
    String indexDir = "d:/luceneindex";
    Analyzer analyzer = new PaodingAnalyzer();
    Directory dir = FSDirectory.open(new File(indexDir));
    IndexSearcher searcher = new IndexSearcher(dir, true);
    QueryParser parser = new QueryParser(Version.LUCENE_29, "contents",analyzer);
    Query query = parser.parse("呼救");
    //Term term=new Term("fileName", "大学");
    //TermQuery query=new TermQuery(term);

    TopDocs docs=searcher.search(query, 1000);
    ScoreDoc[] hits=docs.scoreDocs;
    System.out.println(hits.length);
    for(int i=0;i<hits.length;i++){
      Document doc=searcher.doc(hits[i].doc);
      System.out.print(doc.get("fileName")+"--:\n");
      System.out.println(doc.get("contents")+"\n");
    }

    searcher.close();
    dir.close();
  }
}

本文出自 “李新博客” 博客，请务必保留此出处http://kinglixing.blog.51cto.com/3421535/702663

郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。

Lucene中文分词图解