Solr中文分词配置（2）
2、将解压后的mmseg4j-1.8.2目录下的mmseg4j-all-1.8.2.jar拷贝到Tomcat _HOME\webapps\solr\WEB-INF\lib目录下。
3、添加词库：在C:\solr-tomcat\solr目录下新建dic文件夹，将解压后的sogou-dic\data目录下的words.dic拷贝到C:\solr-tomcat\solr\dic目录下。
4、更改schema.xml(c:\solr-tomcat\solr\conf\)文件，使分词器起到作用。更改内容为：
代码
……
<!-- mmseg4j field types -->
< fieldType name = " textComplex " class = " solr.TextField " positionIncrementGap = " 100 " >
< analyzer >
< tokenizer class = " com.chenlb.mmseg4j.solr.MMSegTokenizerFactory " mode = " complex " dicPath = " C:\solr-tomcat\solr\dic " />
< filter class = " solr.LowerCaseFilterFactory " />
</ analyzer >
</ fieldType >
< fieldType name = " textMaxWord " class = " solr.TextField " positionIncrementGap = " 100 " >
< analyzer >
< tokenizer class = " com.chenlb.mmseg4j.solr.MMSegTokenizerFactory " mode = " max-word " dicPath = " C:\solr-tomcat\solr\dic " />
< filter class = " solr.LowerCaseFilterFactory " />
</ analyzer >
</ fieldType >
< fieldType name = " textSimple " class = " solr.TextField " positionIncrementGap = " 100 " >
< analyzer >
< tokenizer class = " com.chenlb.mmseg4j.solr.MMSegTokenizerFactory " mode = " simple " dicPath = " C:\solr-tomcat\solr\dic " />
< filter class = " solr.LowerCaseFilterFactory " />
</ analyzer >
</ fieldType >
……
</ types >
注：dicPath="C:\solr-tomcat\solr\dic"是你的词库路径，我的是放在了C:\solr-tomcat\solr\dic目录下。
代码
……
< field name = " simple " type = " textSimple " indexed = " true " stored = " true " multiValued = " true " />
< field name = " complex " type = " textComplex " indexed = " true " stored = " true " multiValued = " true " />
< field name = " text " type = " textMaxWord " indexed = " true " stored = " true " multiValued = " true " />
……
</ fields >
< copyField source ="complex" dest ="text" />
重启你的tomcat 。
访问：http://localhost:8983/solr/admin/analysis.jsp可以看 mmseg4j 的分词效果。在 Field 的下拉菜单选择 name，然后在应用输入 complex。分词的结果，如下图：
呵呵，可以运行起来了，那就添加个文档试试吧，在解压后的apache-solr-1.4.0\example\exampledocs目录下创建 mmseg4j-solr-demo-doc.xml 文档，内容如下：
代码
< add >
< doc >
< field name ="id" > 1 </ field >
< field name ="text" > 昨日,记者从解放军总参谋部相关部门获悉,截至3月28日,解放军和武警部队累计出动7.2万人次官兵支援地方抗旱救灾。组织民兵预备役人员20.2万人 次支援地方抗旱救灾。 </ field >
</ doc >
< doc >
< field name ="id" > 2 </ field >
< field name ="text" > 下半年房价调整就是挤水分 房价回不到去年水平。 </ field >
</ doc >
< doc >
< field name ="id" > 3 </ field >
< field name ="text" > solr是基于Lucene Java搜索库的企业级全文搜索引擎，目前是apache的一个项目。 </ field >
</ doc >
< doc >
< field name ="id" > 4 </ field >
< field name ="text" > 中国人民银行是中华人民共和国的中央银行。 </ field >
</ doc >
< doc >
< field name ="id" > 5 </ field >
< field name ="text" > 京华时报２００９年1月23日报道 昨天，受一股来自中西伯利亚的强冷空气影响，本市出现大风降温天气，白天最高气温只有零下7摄氏度，同时伴有6到7级的偏北风。 </ field >
</ doc >
< doc >
< field name ="id" > 6 </ field >
< field name ="text" > 昨日金正日抵达长春市，进行两天的长春市内电话系统考察。 </ field >
</ doc >
< doc >
< field name ="id" > 7 </ field >
< field name ="text" > 陈教授正在研究生命起源，他的研究生正在打球。 </ field >
</ doc >
< doc >
< field name ="id" > 8 </ field >
< field name ="text" > 中国人民银行是中华人民共和国的中央银行。 </ field >
</ doc >
</ add >
然后在 cmd 下运行 post.jar，如下：
F:\lucene\solr\apache-solr-1.4.0\example\exampledocs>java -Durl=http://localhost:8983/solr/update -Dcommit=yes -jar post.jar mmseg4j-solr-demo-doc.xml (注意：F:\lucene\solr 要根据你自己的实际情况而定，solr update的访问端口也是一样，以个人为准)
查看是否有数据，访问：http://localhost:8983/solr/admin/ 在Query String: 中输入“中国”，显示如下图所示：
呵呵，成功了。至于schema.xml中的配置属性会在下一章中进行详细的介绍。
[Solr分词顺序]
Solr建立索引和对关键词进行查询都得对字串进行分词，在向索引库中添加全文检索类型的索引的时候，Solr会首先用空格进行分词，然后把分词结果依次使用指定的过滤器进行过滤，最后剩下的结果才会加入到索引库中以备查询。分词的顺序如下：
索引
1：空格whitespaceTokenize
2：过滤词(停用词，如：on、of、a、an等) StopFilter
3：拆字WordDelimiterFilter
4：小写过滤LowerCaseFilter
5：英文相近词EnglishPorterFilter
6：去除重复词RemoveDuplicatesTokenFilter
查询
1：查询相近词
2：过滤词
3：拆字
4：小写过滤
5：英文相近词
6：去除重复词
以上是针对英文，中文的除了空格，其他都类似