solr 配置中文分词

在Solr6.5中实现配置中文分词IKAnalyzer和拼音分词pinyinAnalyzer。

一、创建Core：

1、首先在solrhome(solrhome的路径和配置见《 CentOS安装与配置Solr6.5 》 中solr的web.xml)中创建mycore目录;

 [root@localhost down]#
 [root@localhost down]# mkdir /down/apache-tomcat-8.5.12/solrhome/mycore
 [root@localhost down]# cd /down/apache-tomcat-8.5.12/solrhome/mycore

 [root@localhost mycore]#

2、复制solr-6.5.0\example\example-DIH\solr\solr下的所有文件到/down/apache-tomcat-8.5.12/solrhome/mycore目录下：

 [root@localhost mycore]# cp -R /down/solr-6.5.0/example/example-DIH/solr/solr/* ./
 [root@localhost mycore]# ls
 conf  core.properties
 [root@localhost mycore]#

3、重新启动tomcat;

 [root@localhost down]# /down/apache-tomcat-8.5.12/bin/shutdown.sh
 [root@localhost down]# /down/apache-tomcat-8.5.12/bin/startup.sh

4、此时在浏览器输入 http://localhost:8080/solr/index.html 即可出现Solr的管理界面，即可看到我们刚才的mycore

二、配置solr自带的中文分词(和IK的区别是不能自己添加词库)：

 1、配置solr6.5自带中文分词。复制solr-6.5.0/contrib/analysis-extras/lucene-libs/lucene-analyzers-smartcn-6.5.0.jar到apache-tomcat-8.5.12/webapps/solr/WEB-INF/lib/目录下。

 [root@localhost down]# cp /down/solr-6.5.0/contrib/analysis-extras/lucene-libs/lucene-analyzers-smartcn-6.5.0.jar /down/apache-tomcat-8.5.12/webapps/solr/WEB-INF/lib/

2、为core添加对中文分词的支持。编辑mycore下conf下的managed-schema文件.

 [root@localhost conf]# cd /down/apache-tomcat-8.5.12/solrhome/mycore/conf
 [root@localhost conf]# vi managed-schema

在文件的 schema>前添加

 <fieldType name="text_smartcn" class="solr.TextField" positionIncrementGap="0">
     <analyzer type="index">
       <tokenizer class="org.apache.lucene.analysis.cn.smart.HMMChineseTokenizerFactory"/>
     analyzer>
     <analyzer type="query">
        <tokenizer class="org.apache.lucene.analysis.cn.smart.HMMChineseTokenizerFactory"/>
     analyzer>
 fieldType>

重启tomcat,后在浏览器输入http://localhost:8080/solr/index.html#/mycore/analysis

在Field Value (Index)文本框输入一些中文，然后Analyse Fieldname / FieldType:选择text_smartcn查看中文分词的效果。

如图：

三、配置IKAnalyzer的中文分词：

1、首先下载IKAnalyzer 这是最新的支持solr6.5.

解压后会有四个文件。

 [root@localhost ikanalyzer-solr5]# ls
 ext.dic  IKAnalyzer.cfg.xml  solr-analyzer-ik-5.1.0.jar ik-analyzer-solr5-5.x.jar  stopword.dic

ext.dic为扩展字典,stopword.dic为停止词字典，IKAnalyzer.cfg.xml为配置文件，solr-analyzer-ik-5.1.0.jar ik-analyzer-solr5-5.x.jar为分词jar包。
2、将文件夹下的IKAnalyzer.cfg.xml , ext.dic和stopword.dic 三个文件 复制到/webapps/solr/WEB-INF/classes 目录下，并修改IKAnalyzer.cfg.xml

 [root@localhost ikanalyzer-solr5]# cp ext.dic IKAnalyzer.cfg.xml stopword.dic /down/apache-tomcat-8.5.12/webapps/solr/WEB-INF/classes/

 xml version="1.0" encoding="UTF-8"?>
 >
 <properties>
         <comment>IK Analyzer 扩展配置comment>

         <entry key="ext_dict">ext.dic;entry>


         <entry key="ext_stopwords">stopword.dic;entry>

 properties>

3、在ext.dic 里增加自己的扩展词典，例如，唯品会 聚美优品

4、复制solr-analyzer-ik-5.1.0.jar ik-analyzer-solr5-5.x.jar到/down/apache-tomcat-8.5.12/webapps/solr/WEB-INF/lib/目录下。

 [root@localhost down]# cp /down/ikanalyzer-solr5/solr-analyzer-ik-5.1.0.jar ik-analyzer-solr5-5.x.jar /down/apache-tomcat-8.5.12/webapps/solr/WEB-INF/lib/

5、在 solrhome\mycore\conf\managed-schema 文件 schema>前 增加如下配置

 <fieldType name="text_ik" class="solr.TextField">
         <analyzer type="index">
             <tokenizer class="org.apache.lucene.analysis.ik.IKTokenizerFactory" useSmart="true"/>
         analyzer>
         <analyzer type="query">
             <tokenizer class="org.apache.lucene.analysis.ik.IKTokenizerFactory" useSmart="true"/>
         analyzer>
 fieldType>

注意:  记得将stopword.dic，ext.dic的编码方式为UTF-8 无BOM的编码方式。 

重启tomcat查看分词效果。

四、配置拼音检索：

1、前期准备，需要用到pinyin4j-2.5.0.jar、pinyinAnalyzer.jar这两个jar包,下载地址。

2、将pinyin4j-2.5.0.jar、pinyinAnalyzer.jar这两个jar包复制到/down/apache-tomcat-8.5.12/webapps/solr/WEB-INF/lib/目录下。

 [root@localhost down]# cp pinyin4j-2.5.0.jar pinyinAnalyzer4.3.1.jar /down/apache-tomcat-8.5.12/webapps/solr/WEB-INF/lib/

3、在 solrhome\mycore\conf\managed-schema 文件 schema>前增加如下配置：

 <fieldType name="text_pinyin" class="solr.TextField" positionIncrementGap="0">
     <analyzer type="index">
         <tokenizer class="org.apache.lucene.analysis.ik.IKTokenizerFactory"/>
         <filter class="com.shentong.search.analyzers.PinyinTransformTokenFilterFactory" minTermLenght="2" />
         <filter class="com.shentong.search.analyzers.PinyinNGramTokenFilterFactory" minGram="1" maxGram="20" />
     analyzer>
     <analyzer type="query">
         <tokenizer class="org.apache.lucene.analysis.ik.IKTokenizerFactory"/>
         <filter class="com.shentong.search.analyzers.PinyinTransformTokenFilterFactory" minTermLenght="2" />
         <filter class="com.shentong.search.analyzers.PinyinNGramTokenFilterFactory" minGram="1" maxGram="20" />
     analyzer>
 fieldType>

重启tomcat查看拼音检索效果。

这里用的是solr自带的中文分词加上pinyin4j来实现的

相关文件的下载地址：

ikanalyzer-solr5.zip

pinyin.zip