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。