首先需要的jar包

下载apache的lucene-core-3.6.2.jar，lucene-highlighter-3.6.2.jar，lucene-memory-3.6.2.jar，lucene-analyzers-3.6.2.jar和一个开源的工具包IKAnalyzer2012.jar。

版本一样要对应好IKAnalyzer2012之前的版本只支持到lucene3.3之前版本，版本最是坑爹啊。

如果需要使用xml配置，匹配单词和拦截单词时，必须使用相应的字符格式。

/**
* 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，可将重复集合转换为Map格式
* 并算出该重复次数，放入相应的value中
*/
package com.gjz.get;
import java.io.IOException;
import java.io.StringReader;
import java.util.ArrayList;
import java.util.Collections;
import java.util.Comparator;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Map.Entry;
import org.apache.lucene.analysis.TokenStream;
import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
import org.wltea.analyzer.lucene.IKAnalyzer;
/**
* 获得关键字方法类
* @创建人 PengBo
* @创建时间 2013-6-8 下午4:25:23
*/
public class WordUitl {
/** 测试文章 */

static String keyWord = "冗长的代码常常是复杂性的标志，会导致代码难以测试和维护." +

"这是一道逻辑计算题，先不说1+2=？的问题，你肯定要知道1+1=2，否则你无法知道2是怎么来的。" +

"冗长的代码常常是复杂性的标志，会导致代码难以测试和维护." +

"这是一道逻辑计算题，先不说1+2=？的问题，你肯定要知道1+1=2，否则你无法知道2是怎么来的。" +

"冗长的代码常常是复杂性的标志，会导致代码难以测试和维护.";

/** 获取关键字个数 */
private final static Integer NUM=5;
/** 截取关键字在几个单词以上的数量 */
private final static Integer QUANTITY=1;
/**
* 传入String类型的文章，智能提取单词放入list中(可以设置xml中的条件)
* @param article
* @return
* @throws IOException
* @创建人 PengBo
* @创建时间 2013-6-7 上午11:56:53
*/
@SuppressWarnings("resource")
private static List extract(String article,Integer a) throws IOException {
List list =new ArrayList(); //定义一个list来接收将要截取出来单词
IKAnalyzer analyzer = new IKAnalyzer(); //初始化IKAnalyzer
analyzer.setUseSmart(true); //将IKAnalyzer设置成智能截取
TokenStream tokenStream= //调用tokenStream方法(读取文章的字符流)
analyzer.tokenStream("", new StringReader(article));
while (tokenStream.incrementToken()) { //循环获得截取出来的单词
CharTermAttribute charTermAttribute = //转换为char类型
tokenStream.getAttribute(CharTermAttribute.class);
String keWord= 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
}
}
return list;
}
/**
* 将list中的集合转换成Map中的key，value为数量默认为1
* @param list 可重复的集合
* @return 返回一个key不可重复的map
* @创建人 PengBo
* @创建时间 2013-6-7 上午11:52:44
*/
private static Map list2Map(List list){
Map map=new HashMap();
for(String key: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
return map;
}
/**
* 可选提取关键字方法
* 调用extract方法获得关键字列表 并转为Map
* 将map按照value进行排序，并返回想要钱几位的一个数组
* @param article 需要获得关键字的文章
* @param a 截取关键字在几个单词以上的数量
* @param n 需要获得几位关键字的条件
* @return 前位关键字
* @throws IOException
* @创建人 PengBo
* @创建时间 2013-6-7 下午12:57:48
*/
public static String[] getKeyWords(String article,Integer a,Integer n) throws IOException {
List keyWordsList= extract(article,a); //调用提取单词方法
Map 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> list = new ArrayList>(map.entrySet());
Collections.sort(list, new Comparator>() {
public int compare(Map.Entry o1, Map.Entry o2) {
return (o2.getValue() - o1.getValue());
}
});
if (list.size()
String[] keyWords=new String[n]; //设置将要输出的关键字数组空间
for(int i=0; i< list.size(); i++) { //循环排序后的数组
if (i
keyWords[i]=list.get(i).getKey(); //设置关键字进入数组
}
}
return keyWords;
}
/**
* 默认获得关键字方法
* @param article 文章
* @return 返回5个关键字，关键字为2个字以上的词语
* @throws IOException
* @创建人 PengBo
* @创建时间 2013-6-8 下午4:20:47
*/
public static String[] getKeyWords(String article) throws IOException{
return getKeyWords(article,QUANTITY,NUM);
}
}

OK 返回n个词语。

哦忘了 有可控制的xml配置 发过来IKAnalyzer.cfg.xml<?xml version="1.0" encoding="UTF-8"?>

IK Analyzer 扩展配置

stopword.dic;

此为文件包自带的xml文件 没有修改，也懒的去改，测试了个停词的文档stopword.dic1

2

3

4

5

6

常

测试了清楚1-6数字和汉字功能完全可以，只要将xml文件配置到src下即可，上课例子的图片记录下

java关键字提取算法 java从文章中提取关键词_java 获取文章关键词

齐活。