public class tokenizerdemo
public static void main(string args)
//最大逆序匹配
for(int j=0; j輸出結果：
中國北京
中關村海淀
注意：
如果不跳過已經匹配的詞會出現"北京劇院" 拆分成 [北京]、[京劇]、[劇院] 三個詞，
如果跳過匹配過的詞就會拆分成 [北京]、[劇院]。
從詞典中找出最長詞的長度，這裡為maxsize=3，按照maxsize的長度從文字的第一位（i=0）擷取要抽取的文字【中國人】，然後去map中查詢是否有對應的值，如果沒有減去乙個長度擷取（maxsize-1）【中國】，去map中查詢，找到則停止當前查詢，接著從匹配當前詞後面的字（i=2）【人民共】開始繼續上述的步驟開始查詢。
第一次迴圈（i=0）：
中國人 -> 無命中（map中沒找到） (j=0)
中國 -> map命中 (j=1) 【注釋：命中後i+2（當前詞）的長度。所以i=2】
第二次迴圈（i=2）：
人民共 -> 無命中 (j=0)
人民 -> 無命中 (j=1)
人 -> 無命中 (j=2)
第三次迴圈（i=3）：
民共和 -> 無命中 (j=0)
民共 -> 無命中 (j=1)
民 -> 無命中 (j=2)
...依次類推，找出文字中所有匹配詞典中的詞
敏感詞、文字過濾是乙個**必不可少的功能，可以使用這麼簡單的幾行**實現**的敏感詞過濾功能，自己這麼簡單幾行**就能實現是不是很棒。
安裝中文分詞器
2.複製ikanalyzer的配置檔案和自定義詞典和停用詞詞典到solr的classpath下。也就是在solr的web inf目錄下建立classes資料夾 拷入的檔案有 ext.dic ikanalyzer.cfg.xml stopword.dic 3.在solrhome collection1...
ElasticSearch IK中文分詞器的配置
elasticsearch本身自帶的中文分詞，就是單純把中文乙個字乙個字的分開，根本沒有詞彙的概念。但是實際應用中，使用者都是以詞彙為條件，進行查詢匹配的，如果能夠把文章以詞彙為單位切分開，那麼與使用者的查詢條件能夠更貼切的匹配上，查詢速度也更加快速。1.安裝 然後重啟es 2.測試使用 使用預設 ...
新增ik中文分詞器和pinyin分詞器
1.把ik檔案上傳到docker掛載的plugins1和plugins2中 2.es文件型別對映 在kibana修改一下內容 1.實體文件對映類 document indexname user type user data public class userentity 2.實體類對映關係 impo...