Solr集成IKAnalyzer中文分词器

前言

官网：
https://code.google.com/archi...

IK Analyzer 2012 FF版本 （即For 4.0），在API和功能上保持不变，只是让其支持了Lucene4.0和Solr4.0，让这部分的用户能用起来。
如果你还是Lucene3.2-3.6的用户，那么你只需要下载IK Analyzer 2012 U6版本。因为FF版本的API与3.x是不兼容的。

【IK Analyzer 安装包包含】：

1. 《IKAnalyzer 中文分词器 V2012 使用手册》（即本文档）
2. IKAnalyzer2012.jar（主 jar 包）
3. IKAnalyzer.cfg.xml（分词器扩展配置文件）
4. stopword.dic（停止词典）
5. LICENSE.TXT ; NOTICE.TXT （apache 版权申明）

它的安装部署十分简单 ， 将 IKAnalyzer2012.jar 部署于项目的lib目录中；IKAnalyzer.cfg.xml 与 stopword.dic 文件放置在 class 根目录（对于 web 项目，通常是WEB-INF/classes 目录，同 hibernate、log4j 等配置文件相同）下即可。

1. 下载安装

最新版本：IK Analyzer 2012

# 一定要下载FF版本，因为使用的是solr4.0以上版本
$ wget https://storage.googleapis.com/google-code-archive-downloads/v2/code.google.com/ik-analyzer/IK%20Analyzer%202012FF_hf1.zip

#解压到IK2012目录中，并且不覆盖相同文件
$ unzip -n IKAnalyzer2012_u6.zip -d IK2012

#拷贝jar包到tomcat下solr的工程目录中
$ cp IK2012/IKAnalyzer2012FF_u1.jar /opt/tomcat-8.5.31/webapps/solr/WEB-INF/lib/

#创建classes文件夹
$ mkdir /opt/tomcat-8.5.31/webapps/solr/WEB-INF/classes

# 拷贝IKAnalyzer.cfg.xml和stopword.dic到classes文件夹下
$ cp IKAnalyzer.cfg.xml /opt/tomcat-8.5.31/webapps/solr/WEB-INF/classes/
$ cp stopword.dic /opt/tomcat-8.5.31/webapps/solr/WEB-INF/classes/

2. 修改配置

修改solr core中schema文件，默认位置：

$ vim /opt/solr-4.10.3/example/solr/collection1/conf/schema.xml 

添加如下配置：

同时，把需要分词的字段，设置为text_ik

3. 重启服务

注意：如果之前已经创建了索引，需要将之前的索引删掉，重新创建分词后的索引。

$ /opt/tomcat-8.5.31/bin/shutdown.sh
$ /opt/tomcat-8.5.31/bin/startup.sh

4. 配置扩展词典

1.默认是用的IKAnalyzer分词器内置的词典进行分词的。我们也可以自己配置IKAnalyzer分词器的扩展词典

# 修改IKAnalyzer.cfg.xml文件
$ vim /opt/tomcat-8.5.31/webapps/solr/WEB-INF/classes/IKAnalyzer.cfg.xml

配置如下

  
  
　　IK Analyzer 扩展配置
　　
　　ext.dic; 
　　
　　stopword.dic; 

2.在classes下创建 ext.dic 来配置字典(每一行表示一个整体索引)

$ vim /opt/tomcat-8.5.31/webapps/solr/WEB-INF/classes/ext.dic 

配置如下：

别看我乱我就是索引
哈哈哈
我是第三行

stopword.dic 和 ext.dic 的编码方式为UTF-8 无BOM的编码方式。

3.重启tomcat后测试