/**
 * 相關(guān)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
 *
 * 截取一片文章中頻繁出現(xiàn)的關(guān)鍵字，并給予分組排序（倒敘），以數(shù)組格式返回n個(gè)關(guān)鍵字
 *
 * 并該類(lèi)內(nèi)部含有一個(gè)List2Map方法，可將重復(fù)<String>集合轉(zhuǎn)換為Map<String, Integer>格式
 * 并算出該<String>重復(fù)次數(shù)，放入相應(yīng)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; 
/** 
 * 獲取文章關(guān)鍵字 
 * @author anwj 
 * 
 */ 
public class WordUtil { 
 /** 測(cè)試文章 */ 
 static String keyWord = "笑星潘長(zhǎng)江當(dāng)上“男媒婆”了，但這回可不是演小品——由他自編自導(dǎo)自演的都市喜劇《男媒婆》將于1月13日在北" + 
   "京衛(wèi)視首播。劇中，潘長(zhǎng)江變身成為能說(shuō)會(huì)道、古道熱腸的“新時(shí)代男媒婆”丁二春，與“臺(tái)灣第一酒窩美女2”張庭上演了一出“屌絲逆襲”" + 
   "的浪漫追愛(ài)記。李明啟、李文啟、馮遠(yuǎn)征、任程偉、馬麗、徐等明星也齊齊上陣制造“笑料”《男媒婆》圍繞著丁二春和他所開(kāi)" + 
   "辦的“全成熱戀”婚介所展開(kāi)。人到中年的丁二春眼看來(lái)勢(shì)洶涌的“婚戀大潮”商機(jī)不斷，想憑借一張巧嘴開(kāi)創(chuàng)事業(yè)和人生" + 
   "“第二春”?；榻樗_(kāi)張大吉，顧客盈門(mén)，提出的要求卻也千奇百怪，拜金女、宅男、小老板粉墨登場(chǎng)，展開(kāi)了一系列令人捧腹" + 
   "大笑又不失溫情的精彩故事。劇中的一大看點(diǎn)是美女搭配“丑男”的搭配，張庭與潘長(zhǎng)江成了一對(duì)歡喜冤家。張庭表示，劇中兩人“" + 
   "身高有差距、年齡有距離，相貌不對(duì)等”。而潘長(zhǎng)江談到這種主角設(shè)定時(shí)認(rèn)為：“張庭以往的角色都特別獨(dú)立、可愛(ài)，而‘大女人'和‘" + 
   "小男人'正是我倆這對(duì)情侶的設(shè)定，所以張庭是非常合適的人選?！贝送?，該劇也是潘長(zhǎng)江繼《能人馮天貴》、《清凌凌的水藍(lán)瑩瑩的天》" + 
   "第一、第二部之后第四次自導(dǎo)自演的喜劇作品。潘長(zhǎng)江表示，全劇通過(guò)“媒婆”這個(gè)特殊職業(yè)的視角，展示著當(dāng)代社會(huì)種種婚戀價(jià)值觀(guān)，涵蓋了" + 
   "黃昏戀、拜金女、鳳凰男等諸多引發(fā)熱議的時(shí)代話(huà)題。(記者 尹春芳)免責(zé)聲明：本文僅代表作者個(gè)人觀(guān)點(diǎn)，與環(huán)球網(wǎng)無(wú)關(guān)。其原創(chuàng)性以及文中" + 
   "陳述文字和內(nèi)容未經(jīng)本站證實(shí)，對(duì)本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾，請(qǐng)讀者僅作參考，" + 
   "并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。"; 
 /** 獲取關(guān)鍵字個(gè)數(shù) */ 
 private final static Integer NUM=5; 
 /** 截取關(guān)鍵字在幾個(gè)單詞以上的數(shù)量 */ 
 private final static Integer QUANTITY=1; 
 /** 
  * 傳入String類(lèi)型的文章，智能提取單詞放入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>(); //定義一個(gè)list來(lái)接收將要截取出來(lái)單詞 
  IKAnalyzer analyzer = new IKAnalyzer(); //初始化IKAnalyzer 
  analyzer.setUseSmart(true); //將IKAnalyzer設(shè)置成智能截取 
  TokenStream tokenStream= //調(diào)用tokenStream方法(讀取文章的字符流) 
    analyzer.tokenStream("", new StringReader(article)); 
  while (tokenStream.incrementToken()) { //循環(huán)獲得截取出來(lái)的單詞 
   CharTermAttribute charTermAttribute = //轉(zhuǎn)換為char類(lèi)型 
     tokenStream.getAttribute(CharTermAttribute.class); 
   String keWord= charTermAttribute.toString(); //轉(zhuǎn)換為String類(lèi)型 
   if (keWord.length()>a) { //判斷截取關(guān)鍵字在幾個(gè)單詞以上的數(shù)量(默認(rèn)為2個(gè)單詞以上) 
    list.add(keWord); //將最終獲得的單詞放入list集合中 
   } 
  } 
  return list; 
 } 
 /** 
  * 將list中的集合轉(zhuǎn)換成Map中的key，value為數(shù)量默認(rèn)為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){ //循環(huán)獲得的List集合 
   if (list.contains(key)) { //判斷這個(gè)集合中是否存在該字符串 
    map.put(key, map.get(key) == null ? 1 : map.get(key)+1); 
   } //將集中獲得的字符串放在map的key鍵上 
  } //并計(jì)算其value是否有值，如有則+1操作 
  return map; 
 } 
 /** 
  * 提取關(guān)鍵字方法 
  * @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); //調(diào)用提取單詞方法 
  Map<String, Integer> map=list2Map(keyWordsList); //list轉(zhuǎn)map并計(jì)次數(shù) 
  //使用Collections的比較方法進(jìn)行對(duì)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(); //排序后的長(zhǎng)度，以免獲得到null的字符 
  String[] keyWords=new String[n]; //設(shè)置將要輸出的關(guān)鍵字?jǐn)?shù)組空間 
  for(int i=0; i< list.size(); i++) { //循環(huán)排序后的數(shù)組 
   if (i<n) { //判斷個(gè)數(shù) 
    keyWords[i]=list.get(i).getKey(); //設(shè)置關(guān)鍵字進(jìn)入數(shù)組 
   } 
  } 
  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(); 
  } 
 } 
}