Solr建立索引练习

目录

实验内容
实验环境
实验过程
总结

实验内容：

使用Solr全文搜索引擎，定位金庸小说神雕侠侣中独孤求败出现的情节，认识Solr，并学习Solr的使用。

实验环境：

操作系统：Windows 8.1
Java环境：

Java环境.png

实验工具：Apache Solr引擎 版本：6.5.1

实验过程：

（1）下载并启用Solr

下载链接：http://archive.apache.org/dist/lucene/solr/6.5.1/
Windows下命令行启用Solr:

solr start

注意执行命令所在的文件目录。此外可以使用：-p port，指定启用Solr的端口号，默认端口号为：8983
启用后通过浏览器访问Solr Web admin:

Solr Web admin.png

（2）创建项目

即创建core

solr create -c corename

（3）配置中文分词包：MMseg4j

1.分词包版本：2.3.0
2.将分词包解压复制到项目Lib目录下，或*\solr-6.5.1\server\solr-webapp\webapp\WEB-INF\lib目录下，在项目managed-schema文件中指定对应路径即可。
3.在项目managed-schema中定义字段类型：

4.创建自定义词典：添加词：郭靖 黄蓉
在solrconfig.xml添加如下内容，主要注意词库路径和词库编码。

  
    
      dicPath
      true
      true
    
  

5.重启Solr，测试分词

加载词库.png

分词测试.png

（4）导入文件到Solr

1.选取神雕侠侣的七个回合作为检索材料，分别是第4、5、8、23、26、27、32回。

材料.png

2.导入文件方式有多种，此处选择DIH导入文件材料
创建data-config.xml：

添加定义的字段到managed-shema：

在solrconfig.xml中定义DIH：

  
    
      data-config.xml
    
  

重启Solr，导入数据：

导入数据.png

导入成功.png

数据格式.png

其中text字段则为每一回的文本内容。

（5）执行查询

1.执行q=text:郭靖，选择高亮，郭靖以添加至自定义词库，查询得结果如下：

查询郭靖.png

查得郭靖共在六个回合中有出现，高亮了郭靖出现的情节，此处高亮限定截取了一百个字符。response返回了所有“郭靖”出现过的字段。

2.添加“独孤”到自定义词库，执行q=text:独孤求败，选择高亮，结果如下：

查询独孤求败.png

可见匹配结果不理想。执行q=text:独孤，返回结果空。

原因分析：
可能原因是索引分词器和查询分词器不一致，导致匹配terms失配，返回结果为空，查询分词器将“独孤”分为了：独/孤。但是值得思考的是，在查询：郭靖时为何查询不为空。

尝试的解决办法：指定QParser
1.在项目managed-schema指定字段的
2.在solrconfig.xml中定义
3.执行Solr查询时，指明defType查询参数
4.reload自定义词库

可能由于细节操作不当或原因分析错误，以上方法现为解决问题。

总结：

Solr作为一款开源的全文检索搜索引擎，其功能强大，学习该引擎的使用，对认识、理解搜索有一定重要意义。

对比Solr引擎和关系数据库引擎的异同，有助于了解Solr。

本次试验中所用的检索材料的数据结构和字段设计可以进一步整理、优化，以实现更高效的检索定位。

基于Solr的全文索引的建立和查询匹配，还有待进一步的学习。