Lucene5学习之使用Ansj-seg分词器

    这回我们来玩玩ansj分词器，由于Lucene5.0在API上有点小变化，需要修改ansj分词器源码，重新打包jar包，然后mvn install到本地仓库才能引用到项目中。至于怎么修改以及怎么打包jar，我就不过多说明了，有点麻烦，我想偷个懒，哈哈。这里我就直接把打包后的jar分享给你们，jar包注意在底下的附件里下载。

    我就说说，怎么在项目中使用ansj分词器，首先pom.xml引入ansj分词器的依赖。

 

<!-- ansj-seg -->
<dependency>
    <groupId>org.ansj</groupId>
    <artifactId>ansj_seg</artifactId>
    <version>2.0.8</version>
</dependency>

 然后在你的classpath下导入library.properties自定义词典配置文件

#redress dic file path
ambiguityLibrary=library/ambiguity.dic
#path of userLibrary this is default library
userLibrary=library
#set real name
isRealName=true

请注意 library.properties文件的存放路径，如果你仅仅一个普通的web project,请把library.properties配置文件copy到src目录下，如果你是Maven Web Project,请把library.properties配置文件copy到src/main/resources目录下，如图：

ambiguityLibrary是用来配置歧义词的，比如动漫游戏，其实漫游也是一个词，但我们知道是动漫，游戏两个词语，具体可以打开ambiguity.dic字典文件查看，配置规则是：

 

动漫游戏动漫n游戏n

即短语\t词1\t词1的词性\t词2\t词2的词性.......\t词N\t词N的词性(关于词性说明请查看底下的附件)

注意中间是用\t制表符进行分割的，userLibrary是用户自定义词典，比如一些网络新词，你可以放在自定义词典中，如：童鞋，木有，么么哒之类的。

userLibrary可以配置为一个具体的dic词典文件的路径，也可以配置为一个文件夹，ansj分词器内部会自动加载这个文件夹下的所有后缀为.dic文件作为自定义词典，默认ansj分词器已经内置了一个default.dic,如果你觉得不够用，你可以在default.dic同级目录下新建一个dic文件，添加自己的新词，然后userLibrary配置为自定义词典文件所在文件夹即可，如图：

 剩下的就简单了，直接new AnsjAnalyzer()即可，随便在一个文本文件里添加一个新词比如么么哒，检查我们的分词器是否起作用了，如图：

 修改之前创建索引的demo，把分词器对象修改为AnsjAnalyzer分词器对象，删除原先的索引重新创建索引，同样的，修改查询示例里的分词器对象为AnsjAnalyzer，然后运行查询示例代码：

 OK，大功告成，打完收工！

 

如果你还有什么问题请加我Ｑ-Q：7-3-6-0-3-1-3-0-5，

或者加裙
一起交流学习。
 

 

评论

2 楼 qbuer 2017-03-08  

没有修改代码的过程。。

1 楼 majiedota 2015-07-07  

  哦哦 这篇感觉太粗了 以后补补呗