Java编程实现提取文章中关键字的方法
本文实例讲述了Java编程实现提取文章中关键字的方法。分享给大家供大家参考,具体如下:
实现代码:
/** *相关的jar包 *lucene-core-3.6.2.jar,lucene-memory-3.6.2.jar, *lucene-highlighter-3.6.2.jar,lucene-analyzers-3.6.2.jar *IKAnalyzer2012.jar * *截取一片文章中频繁出现的关键字,并给予分组排序(倒叙),以数组格式返回n个关键字 * *并该类内部含有一个List2Map方法,可将重复<String>集合转换为Map<String,Integer>格式 *并算出该<String>重复次数,放入相应的value中 */ packagecom.lifeix.api.util; importjava.io.IOException; importjava.io.StringReader; importjava.util.ArrayList; importjava.util.Collections; importjava.util.Comparator; importjava.util.HashMap; importjava.util.List; importjava.util.Map; importjava.util.Map.Entry; importorg.apache.lucene.analysis.TokenStream; importorg.apache.lucene.analysis.tokenattributes.CharTermAttribute; importorg.wltea.analyzer.lucene.IKAnalyzer; /** *获取文章关键字 *@authoranwj * */ publicclassWordUtil{ /**测试文章*/ staticStringkeyWord="笑星潘长江当上“男媒婆”了,但这回可不是演小品——由他自编自导自演的都市喜剧《男媒婆》将于1月13日在北"+ "京卫视首播。剧中,潘长江变身成为能说会道、古道热肠的“新时代男媒婆”丁二春,与“台湾第一酒窝美女2”张庭上演了一出“屌丝逆袭”"+ "的浪漫追爱记。李明启、李文启、冯远征、任程伟、马丽、徐等明星也齐齐上阵制造“笑料”《男媒婆》围绕着丁二春和他所开"+ "办的“全成热恋”婚介所展开。人到中年的丁二春眼看来势汹涌的“婚恋大潮”商机不断,想凭借一张巧嘴开创事业和人生"+ "“第二春”。婚介所开张大吉,顾客盈门,提出的要求却也千奇百怪,拜金女、宅男、小老板粉墨登场,展开了一系列令人捧腹"+ "大笑又不失温情的精彩故事。剧中的一大看点是美女搭配“丑男”的搭配,张庭与潘长江成了一对欢喜冤家。张庭表示,剧中两人“"+ "身高有差距、年龄有距离,相貌不对等”。而潘长江谈到这种主角设定时认为:“张庭以往的角色都特别独立、可爱,而‘大女人'和‘"+ "小男人'正是我俩这对情侣的设定,所以张庭是非常合适的人选。”此外,该剧也是潘长江继《能人冯天贵》、《清凌凌的水蓝莹莹的天》"+ "第一、第二部之后第四次自导自演的喜剧作品。潘长江表示,全剧通过“媒婆”这个特殊职业的视角,展示着当代社会种种婚恋价值观,涵盖了"+ "黄昏恋、拜金女、凤凰男等诸多引发热议的时代话题。(记者尹春芳)免责声明:本文仅代表作者个人观点,与环球网无关。其原创性以及文中"+ "陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,"+ "并请自行核实相关内容。"; /**获取关键字个数*/ privatefinalstaticIntegerNUM=5; /**截取关键字在几个单词以上的数量*/ privatefinalstaticIntegerQUANTITY=1; /** *传入String类型的文章,智能提取单词放入list中 *@paramarticle *@parama *@return *@throwsIOException */ privatestaticList<String>extract(Stringarticle,Integera)throwsIOException{ List<String>list=newArrayList<String>();//定义一个list来接收将要截取出来单词 IKAnalyzeranalyzer=newIKAnalyzer();//初始化IKAnalyzer analyzer.setUseSmart(true);//将IKAnalyzer设置成智能截取 TokenStreamtokenStream=//调用tokenStream方法(读取文章的字符流) analyzer.tokenStream("",newStringReader(article)); while(tokenStream.incrementToken()){//循环获得截取出来的单词 CharTermAttributecharTermAttribute=//转换为char类型 tokenStream.getAttribute(CharTermAttribute.class); StringkeWord=charTermAttribute.toString();//转换为String类型 if(keWord.length()>a){//判断截取关键字在几个单词以上的数量(默认为2个单词以上) list.add(keWord);//将最终获得的单词放入list集合中 } } returnlist; } /** *将list中的集合转换成Map中的key,value为数量默认为1 *@paramlist *@return */ privatestaticMap<String,Integer>list2Map(List<String>list){ Map<String,Integer>map=newHashMap<String,Integer>(); for(Stringkey:list){//循环获得的List集合 if(list.contains(key)){//判断这个集合中是否存在该字符串 map.put(key,map.get(key)==null?1:map.get(key)+1); }//将集中获得的字符串放在map的key键上 }//并计算其value是否有值,如有则+1操作 returnmap; } /** *提取关键字方法 *@paramarticle *@parama *@paramn *@return *@throwsIOException */ publicstaticString[]getKeyWords(Stringarticle,Integera,Integern)throwsIOException{ List<String>keyWordsList=extract(article,a);//调用提取单词方法 Map<String,Integer>map=list2Map(keyWordsList);//list转map并计次数 //使用Collections的比较方法进行对map中value的排序 ArrayList<Entry<String,Integer>>list=newArrayList<Entry<String,Integer>>(map.entrySet()); Collections.sort(list,newComparator<Map.Entry<String,Integer>>(){ publicintcompare(Map.Entry<String,Integer>o1,Map.Entry<String,Integer>o2){ return(o2.getValue()-o1.getValue()); } }); if(list.size()<n)n=list.size();//排序后的长度,以免获得到null的字符 String[]keyWords=newString[n];//设置将要输出的关键字数组空间 for(inti=0;i<list.size();i++){//循环排序后的数组 if(i<n){//判断个数 keyWords[i]=list.get(i).getKey();//设置关键字进入数组 } } returnkeyWords; } /** * *@paramarticle *@return *@throwsIOException */ publicstaticString[]getKeyWords(Stringarticle)throwsIOException{ returngetKeyWords(article,QUANTITY,NUM); } publicstaticvoidmain(String[]args){ try{ String[]keywords=getKeyWords(keyWord); for(inti=0;i<keywords.length;i++){ System.out.println(keywords[i]); } }catch(IOExceptione){ //TODOAuto-generatedcatchblock e.printStackTrace(); } } }
希望本文所述对大家Java程序设计有所帮助。