Java编程实现提取文章中关键字的方法

/** * 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 */package com.lifeix.api.util; 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; /**  * 获取文章关键字  * @author anwj  *  */ public class WordUtil {  /** 测试文章 */  static String keyWord = "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“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 */  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   * @param article   * @param a   * @return   * @throws IOException   */  private static List<String> extract(String article,Integer a) throws IOException {   List<String> list =new ArrayList<String>(); //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   * @return   */  private static Map<String, Integer> list2Map(List<String> list){   Map<String, Integer> map=new HashMap<String, Integer>();   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;  }  /**   * 提取关键字方法   * @param article   * @param a   * @param n   * @return   * @throws IOException   */  public static String[] getKeyWords(String article,Integer a,Integer n) throws IOException {   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 = new ArrayList<Entry<String,Integer>>(map.entrySet());   Collections.sort(list, new Comparator<Map.Entry<String, Integer>>() {    public int compare(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=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<n) { //判断个数     keyWords[i]=list.get(i).getKey(); //设置关键字进入数组    }   }   return keyWords;  }  /**   *   * @param article   * @return   * @throws IOException   */  public static String[] getKeyWords(String article) throws IOException{   return getKeyWords(article,QUANTITY,NUM);  }  public static void main(String[] args) {   try {    String [] keywords = getKeyWords(keyWord);    for(int i=0; i<keywords.length; i++){     System.out.println(keywords[i]);    }   } catch (IOException e) {    // TODO Auto-generated catch block    e.printStackTrace();   }  } }