Lucene.Net中的分词算法 和 第三方分词算法

一元分词：内置的StandardAnalyzer是将英文按照空格、标点符号等进行分词，将中文按照单个字进行分词，一个汉字算一个词。代码如下

Analyzer analyzer = new StandardAnalyzer();  

            TokenStream tokenStream = analyzer.TokenStream("", new StringReader("北京，Hi欢迎你们大家"));

            Lucene.Net.Analysis.Token token = null;

            while ((token = tokenStream.Next()) != null)

            {

                this.listBox1.Items.Add(token.TermText()); //将分词后的结果添加到listBox中

            }

二元分词：lCJKAnalyzer 使用的是网上下载的此类。 代码与上面基本一致

Analyzer analyzer = new CJKAnalyzer();

            TokenStream tokenStream = analyzer.TokenStream("", new StringReader("北京，Hi欢迎你们大家"));

            Lucene.Net.Analysis.Token token = null;

            while ((token = tokenStream.Next()) != null)

            {

                this.listBox1.Items.Add(token.TermText());

            }

盘古分词：基于词库的分词算法，基于一个词库进行分词，可以提高分词的成功率

要使用盘古分词，首先要引用PanGu.dll 和PanGu.Lucene.Analyzer.dll 

将下载的词库Dictionaries添加到项目根路径（改名为Dict），添加对PanGu.dll（同目录下不要有Pangu.xml，那个默认的配置文件的选项对于分词结果有很多无用信息）、PanGu.Lucene.Analyzer.dll的引用，代码与上面大致相同

    Analyzer analyzer = new PanGuAnalyzer();

            TokenStream tokenStream = analyzer.TokenStream("", new StringReader("北京，Hi欢迎你们大家！"));

            Lucene.Net.Analysis.Token token = null;

            while ((token = tokenStream.Next()) != null)//next(),继续分词，如果没有更多的词，则返回null

            {

                this.listBox1.Items.Add(token.TermText());//得到分到的词。

            }