solr配置中文分詞器mmseg4j

solr的安裝和索引庫初始化在兩外兩個帖子里已經寫過

solr安裝：http://www.cnblogs.com/henghengdh/p/solr安裝.html

solr初始化索引庫：http://www.cnblogs.com/henghengdh/p/3467767.html

現在寫下solr的中文分詞配置。

1.首先下載最新版本的mmseg4j-1.9.1，之前我安裝的solr是4.6版本，mmseg4j-1.9.1並不支持，只好換成了solr4.5.1.

下載完后解壓，將mmseg4j-1.9.1\dist下的三個jar包放到solr服務器tomcat\webapps\solr\WEB-INF\lib下。

2.在解壓后的mmseg4j-1.9.1文件夾中找到README.txt，里邊有分詞器的配置代碼，如下

 

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

去掉dicPath="dic",然后將代碼放入$solrhome\jxet\conf\schema.xml中的types節點中

　　

3.配置自己的索引庫字段，solr的索引庫字段配置都在$solrhome\jxet\conf\schema.xml中，詳細參看官方wiki：http://wiki.apache.org/solr/SchemaXml。我這里的配置如下

　　

　　如上圖，需要分詞的字段type都改成textComplex。

 

　　然后需要納入搜索的字段單獨配下copyField，如下圖

　　

　　這樣這五個字段都將被拷貝進text索引字段中，搜索是會對這幾個字段同時進行搜索。

 

4.配置完成后啟動solr服務器，檢驗下中文分詞是否配置成功。進入solr管理頁面，進入自己配的索引庫選項卡jxet-Analysis中，可以看到下圖

　　

這里有我們自己配置的字段，選中任意一個我們配置了中文分詞的字段，如content，然后在Field Value (Index)框中隨便輸入一句話，然后點Analyse valuie按鈕，就可以看到分詞結果，如下

　　

5.向索引庫中添加數據（我這里使用solrJ集成到自己的項目中使用的，后邊會再開個帖子說這部分），然后在Query選項卡中查看結果，如下圖

　　

在q框中輸入text:期中 認真，點擊搜索，右邊的搜索結果，可以看到content中包含的“認真”和“期中”的信息被查詢了出來。