solr添加中文IK分词器,以及配置自定义词库
Solr 是一个基于 Lucene 的 Java 搜索引擎服务器。 Solr 提供了层面搜索、命中醒目显示并且支持多种输出格式（包括 XML/XSLT 和 JSON 格式）。它易于安装和配置，而且附带了一个基于 HTTP 的管理界面。 Solr 已经在众多大型的网站中使用，较为成熟和稳定。 Solr 包装并扩展了 Lucene ，所以 Solr 的基本上沿用了 Lucene 的相关术语。更重要的是， Solr 创建的索引与 Lucene 搜索引擎库完全兼容。通过对 Solr 进行适当的配置，某些情况下可能需要进行编码， Solr 可以阅读和使用构建到其他 Lucene 应用程序中的索引。此外，很多 Lucene 工具（如 Nutch 、 Luke ）也可以使用 Solr 创建的索引。
solr 默认是不支持中文分词的，这样就需要我们手工配置中文分词器，在这里我们选用 IK Analyzer 中文分词器。
IK Analyzer 下载地址： https://code.google.com/p/ik-analyzer/downloads/list
如图：
默认大家已经下载并解压了 solr ，在这里我们使用 solr 4.10.4 版本
试验环境 centos 6.5 ， JDK1.7
整合步骤
1 ：解压下载的 IK Analyzer_2012_FF_hf1.zip 压缩包，把 IKAnalyzer2012FF_u1.jar 拷贝到 solr-4.10.4/example/solr-webapp/webapp/WEB-INF/lib 目录下
2 ：在 solr-4.10.4/example/solr-webapp/webapp/WEB-INF 目录下创建目录 classes ，然后把 IKAnalyzer.cfg.xml 和 stopword.dic 拷贝到新创建的 classes 目录下即可。
3 ：修改 solr core 的 schema 文件，默认是 solr-4.10.4/example/solr/collection1/conf/schema.xml, 添加如下配置
<fieldType name="text_ik" class="solr.TextField">
<!-- 索引时候的分词器 --> <analyzer type="index" isMaxWordLength="false" class="org.wltea.analyzer.lucene.IKAnalyzer"/> <!-- --> <analyzer type="query" isMaxWordLength="true" class="org.wltea.analyzer.lucene.IKAnalyzer"/> </fieldType>
4 ：启动 solr ， bin/solr start
5 ：进入 solr web 界面 http://localhost:8983/solr, 看到下图操作结果即为配置成功
到现在为止， solr 就和 IK Analyzer 中文分词器整合成功了。
但是，如果我想自定义一些词库，让 IK 分词器可以识别，那么就需要自定义扩展词库了。
操作步骤：
1 ：修改 solr-4.10.4/example/solr-webapp/webapp/WEB-INF/classes 目录下的 IKAnalyzer.cfg.xml 配置文件，添加如下配置
<entry key="ext_dict">ext.dic;</entry>
2 ：新建 ext.dic 文件，在里面添加如下内容 ( 注意： ext.dic 的编码必须是 Encode in UTF-8 without BOM, 否则自定义的词库不会被识别 )
超人学院
3 ：重启 solr
4 ：在 solr web 界面进行如下操作，看到图中操作结果即为配置成功。
更多精彩内容请访问： http://bbs.superwu.cn
关注超人学院微信:BJ-CRXY
正文到此结束
热门推荐
相关文章
Loading...
![[HBLOG]公众号](https://www.harries.blog/img/qrcode_gzh.jpg)
