solr的安装及MMSeg4J的安装

 

 

 

惯例先抄一段百度百科。

Solr是一个独立的企业级搜索应用服务器，它对外提供类似于Web-service的API接口。用户可以通过http请求，向搜索引擎服务器提交一定格式的XML文件，生成索引；也可以通过

 

Http Get操作提出查找请求，并得到XML格式的返回结果；

我个人理解，solr就是luence的网络版。虽然很多资料都说solr不仅仅是luence的网络扩展，不过在我看来，solr就是luence的网络扩展。嗯，有大牛有不同看法，欢迎交流。

再抄一段百科。

mmseg4j用Chih-Hao Tsai 的MMSeg算法实现的中文分词器，并实现lucene的analyzer和solr的TokenizerFactory以方便在Lucene和Solr 中使用。 MMSeg 算法有两种分词方法：Simple和Complex，都是基于正向最大匹配。Complex加了四个规则过虑。官方说：词语的正确识别率达到了 98.41%。mmseg4j已经实现了这两种分词算法。

 

solr的安装:

（1）版本

jdk1.6.0

tomcat7.0.5

solr1.4.0

luence:solr1.4.0中自带2.9.1的luence。

（2）安装步骤

solr是基于servlet，所以安装solr之前需要先安装servlet容器。这里我们选用了tomcat作为servlet容器。

step1.安装tomcat。这个就不用说了吧。我把tomcat装在D:\tomcat-7.0.5。

step2.安装solr

step1.在D:\tomcat-7.0.5\webapps目录下建立目录solr。将solr下载包中的\solr-1.4.0\example\solr目录下的所有文件(一些配置)全部拷贝进去。

step2.将solr下载包中的apache-solr-1.4.0.war拷贝到D:\tomcat-7.0.5\webapps,并更名为solr.war。

step3.在D:\tomcat-7.0.5\conf\Catalina\localhost目录下建立solr.xml文件。内容为

<Context docBase="D:\tomcat-7.0.5\webapps\solr.war" debug="0" crossContext="true" >
<Environment name="solr/home" type="java.lang.String" value="D:\tomcat-7.0.5\webapps\solr" override="true" />
</Context>

其实step2就是通过Catalina安装servlet项目的过程。step1，建立了solr项目的主目录并将必要的配置文件放入主目录。 step2,将apache-solr-1.4.0.war拷贝出来。apache-solr-1.4.0.war其实是solr的servlet项目的压缩。如图2所示。

而step3建立的配置文件，则是告诉tomcat服务器。solr项目主项目目录在哪，solr项目的servlet压缩文件在哪。

如果想建立多索引的solr，只要在第一步把solr下载包中\solr- 1.4.0\example\muticore目录下的所有目录和文件拷贝过去就好了。当然solr-1.4.0\example\muticore下的配置太过简单。为了实用化的目的，需要参照\solr-1.4.0\example\solr中的配置文件修改core0和core1下的配置。

如果一切顺利，打开tomcat（D:\tomcat-7.0.5\bin\startup.bat)之后，打开浏览器 输入：http://localhost:8080/solr/admin/ （默认是8080，在安装tomcat时可以修改） 就可以访问solr服务了。

 

 

 

MMSeg4J的安装

MMSeg4J官方人提供的安装示例。

http://blog.chenlb.com/2009/04/solr-chinese-segment-mmseg4j-use-demo.html

mmseg4j 在 solr 中主要支持两个参数：mode、dicPath。mode 表示是什么模式分词（有效值：simplex、complex、max-word，如果输入了无效的默认用 max-word。）。dicPath 是词库目录可以是绝对目录，也可以是相对目录（是相对 solr.home 目录下的，dic 就会在 solr.home/dic 目录下找词库文件），如果不指定就是默认在 CWD/data 目录（程序运行当前目录的data子目录）下找。

改 solr 配置文件，主要是修改 schema.xml，我添加三个 field type，如下：

<fieldTypename="textComplex"class="solr.TextField"positionIncrementGap="100">
<analyzer>
<tokenizerclass="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory"mode="complex"dicPath="dic"/>
<filterclass="solr.LowerCaseFilterFactory"/>
</analyzer>
</fieldType>
<fieldTypename="textMaxWord"class="solr.TextField"positionIncrementGap="100">
<analyzer>
<tokenizerclass="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory"mode="max-word"dicPath="dic"/>
<filterclass="solr.LowerCaseFilterFactory"/>
</analyzer>
</fieldType>
<fieldTypename="textSimple"class="solr.TextField"positionIncrementGap="100">
<analyzer>
<tokenizerclass="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory"mode="simple"dicPath="n:/OpenSource/apache-solr-1.3.0/example/solr/my_dic"/>
<filterclass="solr.LowerCaseFilterFactory"/>
</analyzer>
</fieldType>

searcher_go_go注释：这段配置表明配置了三个采用MMSeg4J切词的field：分别是textComplex,TextMaxWord 和textSimple。如果对field,tokenizer和filter还不是很熟悉，建议看看solr的官方说明书。

定义几个字段：

<fieldname="simple"type="textSimple"indexed="true"stored="true"/>
<fieldname="complex"type="textComplex"indexed="true"stored="true"/>
<fieldname="text"type="textMaxWord"indexed="true"stored="true"/>

再添加个 copyField（最后面加吧）：

<copyFieldsource="text"dest="simple"/>
<copyFieldsource="text"dest="complex"/>

现在 mmseg4j 在 solr 中的使用配置好了。接下来安装 solr 到 tomcat。

 

启动 tomcat 可以看到 mmseg4j 的相关日志，然后在 http://localhost:8080/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。