solr 实现 中文分词，IK Analyzer

solr默认是不支持中文分词的，这样就需要我们手工配置中文分词器，在这里我们选用IK Analyzer中文分词器。

IK Analyzer下载地址：https://code.google.com/p/ik-analyzer/downloads/list

如图：

 

 

默认大家已经下载并解压了solr，在这里我们使用solr 4.10.4版本

试验环境centos 6.5 ，JDK1.7

整合步骤

1：解压下载的IK Analyzer_2012_FF_hf1.zip压缩包，把IKAnalyzer2012FF_u1.jar拷贝到solr-4.10.4/example/solr-webapp/webapp/WEB-INF/lib目录下

2：在solr-4.10.4/example/solr-webapp/webapp/WEB-INF目录下创建目录classes，然后把IKAnalyzer.cfg.xml和stopword.dic拷贝到新创建的classes目录下即可。

3：修改solr core的schema文件，默认是solr-4.10.4/example/solr/collection1/conf/schema.xml,添加如下配置

   

  <fieldType name="text_ik" class="solr.TextField">

        <!--索引时候的分词器-->
<analyzer type="index" isMaxWordLength="false" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
<!--查询时候的分词器-->
<analyzer type="query" isMaxWordLength="true" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
</fieldType>

   <fieldtype name="string"  class="solr.StrField" sortMissingLast="true" omitNorms="true"/>
   <fieldType name="long" class="solr.TrieLongField" precisionStep="0" positionIncrementGap="0"/>
  <!-- general -->
  <field name="id"        type="string"   indexed="true"  stored="true"  multiValued="false" required="true"/>
  <field name="name"      type="text_ik"   indexed="true"  stored="true"  multiValued="false" /> 
   <field name="content"      type="text_ik"   indexed="true"  stored="true"  multiValued="true" /> 
  <field name="_version_" type="long"     indexed="true"  stored="true"/>

4：启动solr，bin/solr start

5：进入solr web界面http://localhost:8983/solr,看到下图操作结果即为配置成功

 

 

到现在为止，solr就和IK Analyzer中文分词器整合成功了。

 

但是，如果我想自定义一些词库，让IK分词器可以识别，那么就需要自定义扩展词库了。

操作步骤：

1：修改solr-4.10.4/example/solr-webapp/webapp/WEB-INF/classes目录下的IKAnalyzer.cfg.xml配置文件，配置如下

   

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">  
<properties>  
	<comment>IK Analyzer 扩展配置</comment>
	<!--用户可以在这里配置自己的扩展字典 -->
	<entry key="ext_dict">ext.dic;</entry> 
	
	<!--用户可以在这里配置自己的扩展停止词字典-->
	<entry key="ext_stopwords">stopword.dic;</entry> 
	
</properties>

注意字典的格式，是一行写一个词

2：新建ext.dic文件（扩展字典），在里面添加如下内容(注意：ext.dic的编码必须是Encode in UTF-8 without BOM,否则自定义的词库不会被识别)

     超人学院

3：新建stopword.dic（扩展停止词字典，即以该词为分界线分词），在里面添加

中国

中华人民

3：重启solr

4：在solr web界面进行如下操作，看到图中操作结果即为配置成功。

高亮显示我们会在下一篇文章中介绍