Solr之中文分词

针对Solr的分词器比较多，其中最常用的的两个是mmseg4j和ik-analyzer,使用都很方便，关于分成器的比较参考：与Lucene 4.10配合的中文分词比较，ik-analyzer最新版本IKAnalyzer2012FF_u1与最新版本solr有兼容问题，由于我们使用的solr是5.2.1，下面外面以mmseg4j为例演示一下solr配置：

mmseg4j官网：https://github.com/chenlb/mmseg4j-solr

由于存在版本兼容问题，根据官网提示需下载，如下版本：

• mmseg4j-solr-2.3.0.jar 要求 lucene/solr [5.0, ]

下载mmseg4j-solr：http://pan.baidu.com/s/1dD7qMFf#path=%252Fmmseg4j-solr

将下载的mmseg4j-core-1.10.0.jar和mmseg4j-solr-2.3.0.jar复制到tomcat/webapp/solr的工程的lib下面：

配置分词，修改schema.xml配置，末尾增加如下：

	<fieldtype name="textComplex" class="solr.TextField" positionIncrementGap="100">
    <analyzer>
        <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" />
    </analyzer>
	</fieldtype>
	<fieldtype name="textMaxWord" class="solr.TextField" positionIncrementGap="100">
		<analyzer>
			<tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="max-word" />
		</analyzer>
	</fieldtype>
	<fieldtype name="textSimple" class="solr.TextField" positionIncrementGap="100">
		<analyzer>
			<tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" />
		</analyzer>
	</fieldtype>

tokenizer 的参数：
dicPath 参数 － 设置自定义的扩展词库，支持相对路径(相对于 solr_home).
mode 参数 － 分词模式。

配置field：

<field name="name" type="textComplex" indexed="true" stored="true" />     
<field name="age" type="int" indexed="false" stored="true" />     
<field name="desc" type="textComplex" indexed="true" stored="true" />     
<field name="context" type="textComplex" indexed="true" stored="false" multiValued="true"/>    

重启tomcat。

查看分词效果：
1.打开solr服务器主页， http://192.168.18.119:9080/solr/
2.选择test
3.选择Analysis
4.选择使用的字段，需要为应用了新类型的字段
5.点击右侧的Analyse Values提交即可查看分词效果

参考文章：

1.Solr配置中文分词mmseg4j
2.Solr配置中文分词器mmseg4j详解
3.Solr配置中文分词（IK版）
4.在Solr中配置中文分词IKAnalyzer