基于spring boot架构和word分词器的分词检索，排序，分页实现_java word分词器maven

       本文不适合Java初学者，适合对spring boot有一定了解的同学。 文中可能涉及到一些实体类、dao类、工具类文中没有这些类大家不必在意，不影响本文的核心内容，本文重在对方法的梳理。

    word分词器maven依赖

<dependency>
   <groupId>org.apdplat</groupId>
   <artifactId>word</artifactId>
   <version>1.3</version>
</dependency>

       spring boot的常见依赖在这里我就不列举了可以见文章 基于maven的spring boot 项目porm文件配置(含定时器，数据抓取，分词器依赖配置)

       先构建一个PageUtil类用于封装分页排序方法。

package com.frank.demo.util;
 
import java.text.ParseException;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
 
public class PageUtil {
	// 分页方法
	public static <T> List<T> splitList(List<T> list, int pageSize, int curPage) {
		List<T> subList = new ArrayList<T>();
		int listSize = list.size();
		int star = pageSize * curPage;
		int end = pageSize * (curPage + 1);
		if (end > listSize) {
			end = listSize;
		}
		if (star >= listSize) {
			return new ArrayList<T>();
		}
		for (int i = star; i < end; i++) {
			subList.add(list.get(i));
		}
		return subList;
	}
 
	// 排序（搜索内容按照相似度高低排序）
	private static void comparator(List<EtlSearchCompanyResponseDto> data) {
		Collections.sort(data, new Comparator<EtlSearchCompanyResponseDto>() {
			@Overridepublic
			int compare(EtlSearchCompanyResponseDto o1, EtlSearchCompanyResponseDto o2) {
				int cp = 0;
				if (o1.getMatching() > o2.getMatching()) {
					cp = -1;
				} else if (o1.getMatching() < o2.getMatching()) {
					cp = 1;
				}
				return cp;
			}
		});
	}
}

现在构建一个SearchService请看下面代码，

package com.frank.demo.service;
 
//java内部工具
import java.util.Collections;
import java.util.Comparator;
import java.util.LinkedHashMap;
import java.util.LinkedList;
import java.util.List;
import java.util.Map;
 
//基于spring boot集成hibernate的标准查询
import javax.persistence.criteria.CriteriaBuilder;
import javax.persistence.criteria.CriteriaQuery;
import javax.persistence.criteria.Predicate;
import javax.persistence.criteria.Root;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.domain.Sort;
import org.springframework.data.domain.Sort.Direction;
import org.springframework.data.jpa.domain.Specification;
import org.springframework.stereotype.Service;
 
 
 
// 分词器
import org.apdplat.word.WordSegmenter;
import org.apdplat.word.segmentation.Word;
 
//用到的dao、实体类、工具类等，本文重在方法上的理解不必在意这些辅助类
import com.frank.demo.dao.EtlDataT1004Dao;
import com.frank.demo.dao.EtlDataT1009Dao;
import com.frank.demo.dao.EtlDataT1022Dao;
import com.frank.demo.dto.EtlCreatDueDiligenceRequestDto;
import com.frank.demo.dto.EtlSearchCompanyResponseDto;
import com.frank.demo.entity.EtlDataT1004;
import com.frank.demo.entity.EtlDataT1009;
import com.frank.demo.entity.EtlDataT1022;
import com.frank.demo.util.api.ApiResponse;
import com.frank.demo.util.dto.v1.PageRequestDto;
import com.frank.demo.util.PageUtil;
 
@Service
public class SearchService {
	@Autowired
	EtlDataT1004Dao etlDataT1004Dao;
	@Autowired
	EtlDataT1009Dao etlDataT1009Dao;
	@Autowired
	EtlDataT1022Dao etlDataT1022Dao;
	private List<Word> words;
 
 
        //本例是多数据源搜索，所以采用的是从三张表中获取相似公司名称的记录，再计算每条记录的相似度，最后统一放到list集合进行排序，最后采用内存分页返回（提示在数据量不是特别大的情景下可以这么做，如果数据量上百万，建议采用搜索引擎实现）
	public Map<String, Object> searchCompany(EtlCreatDueDiligenceRequestDto request, PageRequestDto page) {
		Map<String, Object> response = new LinkedHashMap<String, Object>();
		response.put(ApiResponse.KEY_MESSAGE, ApiResponse.MESSAGE_OK);
		List<EtlSearchCompanyResponseDto> data = new LinkedList<>();
		// 采用分词检索按照相似度高低进行排序（数据来源于三个地方，上交所，深交所，中小型企业股权转让系统）
		words = WordSegmenter.segWithStopWords(request.getCompanyName());//通过word分词器获取分词结果
		Sort shsort = new Sort(Direction.ASC,"f8");//列用数据库对匹配结果进行一次排序
		List<EtlDataT1004> shdatas = etlDataT1004Dao.findAll(new Specification<EtlDataT1004>() {
			@Override
			public Predicate toPredicate(Root<EtlDataT1004> root, CriteriaQuery<?> query, CriteriaBuilder cb) {
				List<Predicate> predicates = new LinkedList<>();
				for (Word word : words) {
					predicates.add(cb.like(root.get("f8").as(String.class), "%" + word.getText() + "%"));
				}
				Predicate[] p = new Predicate[predicates.size()];
				return cb.or(predicates.toArray(p));
			}
		},shsort);
		// 匹配度计算
		for (EtlDataT1004 t1004 : shdatas) {
			EtlSearchCompanyResponseDto responseDto = new EtlSearchCompanyResponseDto(t1004.getF8().split("/")[0], t1004.getF8().split("/")[1], t1004.getF1(), "1", t1004.getF9());
			int i = 0;
			for (Word word : words) {
				if (t1004.getF8().contains(word.getText())) {
					i++;
				}
			}
			responseDto.setCompanyLegal(t1004.getF11());
			responseDto.setMatching(i);
			data.add(responseDto);
		}
		Sort szsort = new Sort(Direction.ASC,"f3");
		List<EtlDataT1009> szDatas = etlDataT1009Dao.findAll(new Specification<EtlDataT1009>() {
			@Override
			public Predicate toPredicate(Root<EtlDataT1009> root, CriteriaQuery<?> query, CriteriaBuilder cb) {
				List<Predicate> predicates = new LinkedList<>();
				for (Word word : words) {
					predicates.add(cb.or(cb.like(root.get("f3").as(String.class), "%" + word.getText() + "%")));
					predicates.add(cb.or(cb.like(root.get("f4").as(String.class), "%" + word.getText() + "%")));
				}
				Predicate[] p = new Predicate[predicates.size()];
				return cb.or(predicates.toArray(p));
			}
		},szsort);
		// 匹配度计算
		for (EtlDataT1009 t1009 : szDatas) {
			EtlSearchCompanyResponseDto responseDto = new EtlSearchCompanyResponseDto(t1009.getF3(), t1009.getF4(), t1009.getF1(), "2", t1009.getF5());
			int i = 0;
			for (Word word : words) {
				if (t1009.getF3().contains(word.getText())) {
					i++;
				} else if (t1009.getF4().contains(word.getText())) {
					i++;
				}
			}
			responseDto.setMatching(i);
			data.add(responseDto);
		}
		Sort gzsort = new Sort(Direction.ASC,"f11");
		List<EtlDataT1022> gzDatas = etlDataT1022Dao.findAll(new Specification<EtlDataT1022>() {
			@Override
			public Predicate toPredicate(Root<EtlDataT1022> root, CriteriaQuery<?> query, CriteriaBuilder cb) {
				List<Predicate> predicates = new LinkedList<>();
				for (Word word : words) {
					predicates.add(cb.or(cb.like(root.get("f11").as(String.class), "%" + word.getText() + "%")));
					predicates.add(cb.or(cb.like(root.get("f12").as(String.class), "%" + word.getText() + "%")));
				}
				Predicate[] p = new Predicate[predicates.size()];
				return cb.or(predicates.toArray(p));
			}
		},gzsort);
		// 匹配度计算
		for (EtlDataT1022 t1022 : gzDatas) {
			EtlSearchCompanyResponseDto responseDto = new EtlSearchCompanyResponseDto(t1022.getF11(), t1022.getF12(), t1022.getF1(), "3", t1022.getF14());
			int i = 0;
			for (Word word : words) {
				if (t1022.getF11().contains(word.getText())) {
					i++;
				} else if (t1022.getF12().contains(word.getText())) {
					i++;
				}
			}
			responseDto.setCompanyLegal(t1022.getF15());
			responseDto.setMatching(i);
			data.add(responseDto);
		}
		// 排序分页
		PageUtil.searchCompanyComparator(data);
		List<EtlSearchCompanyResponseDto> pages = PageUtil.splitList(data, page.getSize(), page.getPage()-1);
		response.put(ApiResponse.KEY_DATA, pages);
		Map<String, Object> pageMap = new LinkedHashMap<>();
		int size = data.size() / page.getSize();
		if (data.size() % page.getSize() != 0) {
			size++;
		}
		pageMap.put("pageCount", size);
		response.put(ApiResponse.KEY_PAGE, pageMap);
		return response;
	}
}

使用word分词器的朋友给个提醒，word分词器初次调用时会加载词库，所以建议大家在项目启动的时候默认去调用以下分词器的接口，这便于你在使用分词的时候不会等待很长时间，正常加载本例经测试10万级别的数据返回时间是1s内。

有疑问的朋友可以在评论中留言了，看到会第一时间回复！

喜欢朋友可以关注我的个人微信公众号哦，会同步更新相应技术，二维码见下图。

萌萌技术