mmseg4j 发布也有一段时间了，前些日子忙着发布新的版本，修正 bug 之类的。使用示例一直拖到现在，其实 svn 上的 test 有使用 lucene 例子。如果你了解 lucene ，就不用例子也可以很方便与它集成。
mmseg4j 有几个 analyzer：SimpleAnalyzer、ComplexAnalyzer、MaxWordAnalyzer、MMSegAnalyzer。前面 三个都是继承 MMSegAnalyzer，MMSegAnalyzer 默认使用 max-word 方式分词。这些 analyzer 都有无参数的构造函数，还有一个带词库目录为参数的构造函数。怎么用也没多少可说的，看下 svn 里 test：
- package com.chenlb.mmseg4j.lucene;
- import java.io.IOException;
- import junit.framework.TestCase;
- import org.apache.lucene.analysis.Analyzer;
- import org.apache.lucene.document.Document;
- import org.apache.lucene.document.Field;
- import org.apache.lucene.index.CorruptIndexException;
- import org.apache.lucene.index.IndexWriter;
- import org.apache.lucene.queryParser.ParseException;
- 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.RAMDirectory;
- import com.chenlb.mmseg4j.analysis.ComplexAnalyzer;
- import com.chenlb.mmseg4j.analysis.MaxWordAnalyzer;
- import com.chenlb.mmseg4j.analysis.SimpleAnalyzer;
- public class LuceneUseSimpleAnalyzerTest extends TestCase {
- Directory dir;
- Analyzer analyzer;
- @Override
- protected void setUp() throws Exception {
- String txt = "京华时报1月23日报道 昨天，受一股来自中西伯利亚的强冷空气影响，本市出现大风降温天气，白天最高气温只有零下7摄氏度，同时伴有6到7级的偏北风。";
- //txt = "2008年底发了资金吗";
- analyzer = new SimpleAnalyzer();
- analyzer = new ComplexAnalyzer();
- //analyzer = new MaxWordAnalyzer();
- dir = new RAMDirectory();
- IndexWriter iw = new IndexWriter(dir, analyzer);
- Document doc = new Document();
- doc.add(new Field("txt", txt, Field.Store.YES, Field.Index.ANALYZED));
- iw.addDocument(doc);
- iw.commit();
- iw.optimize();
- iw.close();
- }
- public void testSearch() {
- try {
- IndexSearcher searcher = new IndexSearcher(dir);
- QueryParser qp = new QueryParser("txt", analyzer);
- Query q = qp.parse("西伯利亚"); //2008年底
- System.out.println(q);
- TopDocs tds = searcher.search(q, 10);
- System.out.println("======size:"+tds.totalHits+"========");
- for(ScoreDoc sd : tds.scoreDocs) {
- System.out.println(sd.score);
- System.out.println(searcher.doc(sd.doc).get("txt"));
- }
- } catch (CorruptIndexException e) {
- e.printStackTrace();
- } catch (IOException e) {
- e.printStackTrace();
- } catch (ParseException e) {
- e.printStackTrace();
- }
- }
- }
运行结果：
2009-4-26 22:41:02 com.chenlb.mmseg4j.Dictionary getDefalutPath
信息: look up in mmseg.dic.path=null
2009-4-26 22:41:02 com.chenlb.mmseg4j.Dictionary getDefalutPath
信息: look up in user.dir=M:\workspace\mmseg4j/data
2009-4-26 22:41:02 com.chenlb.mmseg4j.Dictionary loadDic
信息: chars loaded time=391ms, line=12638, on file=M:\workspace\mmseg4j\data\chars.dic
2009-4-26 22:41:02 com.chenlb.mmseg4j.Dictionary loadDic
信息: words loaded time=16ms, line=1, on file=M:\workspace\mmseg4j\data\words-my.dic
2009-4-26 22:41:06 com.chenlb.mmseg4j.Dictionary loadDic
信息: words loaded time=3406ms, line=157202, on file=M:\workspace\mmseg4j\data\words.dic
2009-4-26 22:41:06 com.chenlb.mmseg4j.Dictionary loadDic
信息: sort time=0ms
2009-4-26 22:41:06 com.chenlb.mmseg4j.Dictionary loadDic
信息: load dic use time=3844ms
2009-4-26 22:41:06 com.chenlb.mmseg4j.Dictionary loadUnit
信息: unit loaded time=16ms, line=22, on file=M:\workspace\mmseg4j\data\units.dic
txt:西伯利亚
======size:1========
0.047945753
京华时报1月23日报道 昨天，受一股来自中西伯利亚的强冷空气影响，本市出现大风降温天气，白天最高气温只有零下7摄氏度，同时伴有6到7级的偏北风。
上面的运行环境是 lucene 2.4 的，如果你要再低版本的 lucene 运行，请看别一篇博客：中文分词 mmseg4j 1.7.2 版发布
如果你想在 solr 中使用 mmseg4j，请看：solr 中文分词 mmseg4j 使用例子