Suche…
Erstellen eines benutzerdefinierten Analysators
Die meisten Anpassungsanpassungen befinden sich in der createComponents
Klasse, in der Tokenizer und TokenFilters definiert sind.
CharFilters können in der initReader
Methode initReader
werden.
Analyzer analyzer = new Analyzer() {
@Override
protected Reader initReader(String fieldName, Reader reader) {
return new HTMLStripCharFilter(reader);
}
@Override
protected TokenStreamComponents createComponents(String fieldName) {
Tokenizer tokenizer = new StandardTokenizer();
TokenStream stream = new StandardFilter(tokenizer);
//Order matters! If LowerCaseFilter and StopFilter were swapped here, StopFilter's
//matching would be case sensitive, so "the" would be eliminated, but not "The"
stream = new LowerCaseFilter(stream);
stream = new StopFilter(stream, StopAnalyzer.ENGLISH_STOP_WORDS_SET);
return new TokenStreamComponents(tokenizer, stream);
}
};
Manuelle Iteration durch analysierte Token
TokenStream stream = myAnalyzer.tokenStream("myField", textToAnalyze);
stream.addAttribute(CharTermAttribute.class);
stream.reset();
while(stream.incrementToken()) {
CharTermAttribute token = stream.getAttribute(CharTermAttribute.class);
System.out.println(token.toString());
}
stream.close();
Eine Reihe von Attributen sind verfügbar. Am häufigsten ist CharTermAttribute
, mit dem der analysierte Begriff als String CharTermAttribute
wird.
Modified text is an extract of the original Stack Overflow Documentation
Lizenziert unter CC BY-SA 3.0
Nicht angeschlossen an Stack Overflow