提取中文字符串中的词语的java源码

下面是一个简单的 Java 实现，使用正则表达式和分词器来提取中文字符串中的词语：

import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import org.ansj.splitWord.analysis.ToAnalysis;

public class ChineseWordExtractor {
  
  public static List<String> extract(String input) {
    List<String> words = new ArrayList<>();
    // 正则表达式匹配中文字符
    Pattern pattern = Pattern.compile("[\\u4e00-\\u9fa5]+");
    Matcher matcher = pattern.matcher(input);
    while (matcher.find()) {
      String match = matcher.group();
      // 使用分词器分词
      List<String> segmented = ToAnalysis.parse(match).getTerms();
      words.addAll(segmented);
    }
    return words;
  }
  
  public static void main(String[] args) {
    String input = "我爱北京天安门，天安门上太阳升。";
    List<String> words = extract(input);
    System.out.println(words);
  }
}

上述代码中，首先使用正则表达式 `[\\u4e00-\\u9fa5]+` 匹配中文字符，然后使用分词器 `ToAnalysis` 对每个匹配到的字符串进行分词，最后将所有分词结果存储到列表中并返回。在 `main()` 方法中，我们演示了如何使用该方法提取中文字符串中的词语。