本文共 1850 字，大约阅读时间需要 6 分钟。

目录

1.  整体思路

第一步：先将中文文本进行分词，这里使用的HanLP-汉语言处理包进行中文文本分词。

第二步：使用停用词表，去除分好的词中的停用词。

2.  中文文本分词环境配置

使用的HanLP-汉语言处理包进行中文文本分词。

• HanLP-汉语言处理包官网如下：
• HanLP 的环境配置有两种方式：方式一、Maven；方式二、下载jar、data、hanlp.properties。

官方环境配置网址如下：

• 环境配置好后，java使用HanLP进行中文分词文档如下：

3.  下载停用词表

停用词表可以去百度搜索，这是我搜到的一个：

我将它放在了百度云里面。

停用词.txt : 链接：  提取码：8uq1 

4.  去除停用词工具类

使用这个工具类的之前，请先完成中文文本分词环境配置，并测试一下。停用词 .txt 文件路径请修改为自己的本地路径。

public class FormatUtil {    /**     * 去除停用词     * @param oldString：原中文文本     * @return 去除停用词之后的中文文本     * @throws IOException     */    public static String RemovalOfStopWords(String oldString) throws IOException {        String newString = oldString;        // 分词        List
   
     termList = HanLP.segment(newString);        System.out.println(termList);        // 中文 停用词 .txt 文件路径        String filePath = "F:\\主文件夹\\知识图谱\\工具资源\\停用词.txt";        File file = new File(filePath);        BufferedReader bufferedReader = new BufferedReader(new FileReader(file));        List
    
      stopWords = new ArrayList<>();        String temp = null;        while ((temp = bufferedReader.readLine()) != null) {            //System.out.println("*" + temp+ "*");            stopWords.add(temp.trim());        }        List
     
       termStringList = new ArrayList<>();        for(Term term:termList) {            termStringList.add(term.word);            //System.out.println("*" + term.word + "*");        }        termStringList.removeAll(stopWords);        newString = "";        for (String string:termStringList) {            newString += string;        }        return newString;    }}
     
    
   

5.  工具类测试

5.1  测试代码

public class test {    public static void main(String args[]) {        try {            System.out.println(FormatUtil.RemovalOfStopWords("床前明月光，疑是地上霜。举头望明月，低头思故乡。"));        } catch (IOException e) {            e.printStackTrace();        }    }}

5.2  测试结果

END。

转载地址：http://epkzz.baihongyu.com/