lucene4.0结合IK Analyzer分词器的简单示例

IK Analyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始， IKAnalyzer已经推出了4个大版本。最初，它是以开源项目Luence为应用主体的，结合词典分词和文法分析算法的中文分词组件。从3.0版本开始，IK发展为面向Java的公用分词组件，独立于Lucene项目，同时提供了对Lucene的默认优化实现。在2012版本中，IK实现了简单的分词歧义排除算法，标志着IK分词器从单纯的词典分词向模拟语义分词衍化。

IK Analyzer 2012特性:

1.采用了特有的“正向迭代最细粒度切分算法“，支持细粒度和智能分词两种切分模式；

2.在系统环境：Core2 i7 3.4G双核，4G内存，window 7 64位， Sun JDK 1.6_29 64位 普通pc环境测试，IK2012具有160万字/秒（3000KB/S）的高速处理能力。

3.2012版本的智能分词模式支持简单的分词排歧义处理和数量词合并输出。

4.采用了多子处理器分析模式，支持：英文字母、数字、中文词汇等分词处理，兼容韩文、日文字符

5.优化的词典存储，更小的内存占用。支持用户词典扩展定义。特别的，在2012版本，词典支持中文，英文，数字混合词语。

基于以上IK Analyzer分词器的强大功能，对其进行了简单使用，代码如下：

package org.apache.lucene.demo;import java.io.IOException;import java.io.StringReader;import org.apache.lucene.analysis.Analyzer;import org.apache.lucene.analysis.TokenStream;import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;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.IndexWriterConfig;import org.apache.lucene.queryparser.classic.ParseException;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.store.RAMDirectory;import org.apache.lucene.util.Version;import org.wltea.analyzer.lucene.IKAnalyzer;public class IKAnalyzerDemo {/** * @param args * @throws IOException  */public static void main(String[] args) throws IOException {// TODO Auto-generated method stub//建立索引        String text1 = "IK Analyzer是一个结合词典分词和文法分词的中文分词开源工具包。它使用了全新的正向迭代最细粒度切" +        "分算法。";        String text2 = "中文分词工具包可以和lucene是一起使用的";        String text3 = "中文分词,你妹";        String fieldName = "contents";        Analyzer analyzer = new IKAnalyzer();        RAMDirectory directory = new RAMDirectory();        IndexWriterConfig writerConfig = new IndexWriterConfig(Version.LUCENE_34, analyzer);        IndexWriter indexWriter = new IndexWriter(directory, writerConfig);        Document document1 = new Document();        document1.add(new Field("ID", "1", Field.Store.YES, Field.Index.NOT_ANALYZED));        document1.add(new Field(fieldName, text1, Field.Store.YES, Field.Index.ANALYZED));        indexWriter.addDocument(document1);                Document document2 = new Document();        document2.add(new Field("ID", "2", Field.Store.YES, Field.Index.NOT_ANALYZED));        document2.add(new Field(fieldName, text2, Field.Store.YES, Field.Index.ANALYZED));        indexWriter.addDocument(document2);                Document document3 = new Document();        document3.add(new Field("ID", "2", Field.Store.YES, Field.Index.NOT_ANALYZED));        document3.add(new Field(fieldName, text3, Field.Store.YES, Field.Index.ANALYZED));        indexWriter.addDocument(document3);        indexWriter.close();                       //搜索        IndexReader indexReader = IndexReader.open(directory);        IndexSearcher searcher = new IndexSearcher(indexReader);        String request = "中文分词工具包";        QueryParser parser = new QueryParser(Version.LUCENE_40, fieldName, analyzer);        parser.setDefaultOperator(QueryParser.AND_OPERATOR);        try {Query query = parser.parse(request);TopDocs topDocs = searcher.search(query, 5);System.out.println("命中数:"+topDocs.totalHits);ScoreDoc[] docs = topDocs.scoreDocs;for(ScoreDoc doc : docs){Document d = searcher.doc(doc.doc);System.out.println("内容:"+d.get(fieldName));}} catch (ParseException e) {// TODO Auto-generated catch blocke.printStackTrace();}finally{if(indexReader != null){try{indexReader.close();}catch (IOException e) {e.printStackTrace();}}if(directory != null){try{directory.close();}catch (Exception e) {e.printStackTrace();}}}        }}

命中数:2
内容:中文分词工具包可以和lucene是一起使用的
内容:IK Analyzer是一个结合词典分词和文法分词的中文分词开源工具包。它使用了全新的正向迭代最细粒度切分算法。

ps：例子确实很简单，只是作记录，大牛不用看了