Solr学习(2) Solr4.2.0+IK Analyzer 2012

Solr学习(二) Solr4.2.0+IK Analyzer 2012

开场白：

本章简单讲述如何在solr中配置著名的 IK Analyzer 分词器。

本章建立在 Solr学习(一)  基础上进行配置。

通过（一）的介绍，目前已经成功部署好单实例 solr+tomcat

声明：描述的比较笼统繁琐，有偏差的地方请大家毫不留情的拍砖

准备工作：

下载 “IK Analyzer 2012FF_hf1.zip”包。 详见：IK Analyzer中文分词器创始人 林良益 博客

名词解释：

IK源目录：解压缩“IK Analyzer 2012FF_hf1.zip”后得到的文件夹路径。解压缩后得到下图结构东东

IK三把刀：上图被选中的3个文件（IKAnalyzer.cfg.xml、IKAnalyzer2012FF_u1.jar、stopword.dic）

Tomcat ：以下全部指 tomcat根目录。（例：E:\\apache-tomcat-6.0.35\\）。

开始生产

    步骤1：将 IK三把刀”放入目录“...\Tomcat\webapps\solr\WEB-INF\lib”中，(注意！这里此时由于项目原来启动过一次，webapps下的“solr.war”包已经被成功发布部署成文“solr”文件夹了。所以这里是在solr文件内打开 WEB-INF\lib目录， 不然WAR包是不允许放入文件到特定目录）。

步骤2：开始设置IK分词器在“schema.xml”文件中的配置（schema.xml目录位置在 “...\Tomcat\solrapp\solr\collection1\conf”此处的 collection1 是默认的文件夹，有些朋友在先前配置时候会去改变此文件夹名称，请注意自行匹配）;

打开schema.xml文件（尽量使用UE打开，防止乱码）在<types></types>中增加如下内容

<fieldType name="text_ik" class="solr.TextField">
    <analyzer type="index" isMaxWordLength="false" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
    <analyzer type="query" isMaxWordLength="true" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
</fieldType>

这样就OK了。 增加了用 IK分词算法提供的字段类型。 （IK分词算法的其他扩展配置请自行参考IK算法的配置说明文档。在“IK三把刀”目录里头的PDF文件里有。）

测试阶段

可能一些朋友会想看看效果，确认一下IK分词器成功配置，接下来我们来尝试测试一下IK分词效果吧。

（看到此处的朋友，其实可以跳到看 schema.xml的具体字段说明文章去。 大概了解一下schema.xml是干嘛用的，不过不看也无妨，我们只是为了证明IK配置成功。）

我们在 schema.xml 文件里头。找到如下代码片段。（schema.xml文件在哪里？看步骤2 ...）

<field name="name" type="text_general" indexed="true" stored="true"/>

意思是这里有一个字段标示名字叫做name,类型text_general，这个时候我们把类型改变成刚刚添加的IK类型text_ik; 变成：

<field name="name" type="text_ik" indexed="true" stored="true"/> 

瞎扯:我想看到这里一些朋友应该就能明白schema.xml干嘛的吧。Schema.xml 就像一张很大很大的描述索引样子的表。里头有很多字段field，然后要定义字段的类型fieldType。在在field里头引用fieldType（有点springIOC的味道 - -..）。

启动tomcat ..

进入solr界面 http://localhost:8080/solr

新手可能对solr的界面还不熟悉。我这里截图说明下。

选择core (这里没有默认配置。要去选一个)；我们这里选 collection1

然后再选择 analysis

这个是分词界面。

选择刚刚我们针对配置的 name 字段。 然后输入要分词的词语 “魔兽世界” ,点按钮 “analyse values”; 会发现出现了分词为  “魔兽”“世界”

 我们再试试其他没有引用分词器的字段的分词效果。 我选择了 “content” 字段，出现的结果就是全字分词了（solr默认的一种分词方式）。

 结束!!!

这里分词的多样化根据分词器来设定。。   个人喜欢使用IK Analyzer分词器；而且配置SOLR比较方便。