在Solr中配置和使用ansj分词

　　在上一节【编译Ansj之Solr插件】中介绍如何编译ansj分词在solr(lucene)环境中使用的接口，本章将介绍如何在solr中使用ansj，其步骤主要包括：下载或者编译ansj和nlp-lang等jar包、在schema中配置相关类型、将ansj和nlp-lang等jar包配置到solr中、测试ansj分词效果。

一、下载或者编译ansj-seg和nlp-lang等jar包。

　  1、您可以到 http://maven.ansj.org/org/ansj/ansj_seg/  | http://maven.ansj.org/org/nlpcn/ 中下载相关jar包。

　　　　ansj-seg相关jar包，如下图所示：

　　　　

nlp-lang 是ansj-seg分词中关于自然语言处理相关工具类，功能比较强大：

　　　

　　2、下载相关源码，自己编译。

　　　　这种是相对复杂的，但是如果长久使用，这种是很有必要的。对于这种优秀的分词，我们更有必要好好研究一番。

　　　　github地址：https://github.com/NLPchina/ansj_seg

　　　　git客户端地址：http://git-scm.com/download/

git下载源码命令：git clone  https://github.com/NLPchina/ansj_seg.git

　　　　下载后的文件结构如下：

　　　

　　　可见代码是用maven组中管理的。对于maven的安装配置本文旧粗略带过，主要包括：

　　  下载maven相关包，解压：

　　　  

　　　配置环境变量M2_HOME:C:\apache-maven-3.2.1

　　　配置PATHb环境变量：%M2_HOME%\bin;

　　　mvn常有命令：mvn clean install#清理本地缓存、下载依赖jar包 可以添加-DskipTests=true忽略单元测试；mvn eclipse:clean #清理mvn生成的eclipse工程；mvn eclipse:eclipse #根据pom.xml生成eclipse工程。

　　　步骤：

　　　　　在源码根路径下执行：　mvn clean install -DskipTests=true  命令，在target目录下生成jar包。

　　　　

　　　　target目录：

　　　　

　　　同义的道理，可以编译nlp-lang jar包，地址：https://github.com/NLPchina/nlp-lang 　　

二、在solr schema.xml中配置好ansj字段类型。

　　1、创建ansj类型。

　　　　找到schema.xml，添加ansj类型text_ansj:　

	<!--ansj start -->

	<fieldType name="text_ansj" class="solr.TextField" positionIncrementGap="100">
    <analyzer type="index">
         <tokenizer class="org.ansj.solr.AnsjTokenizerFactory"  isQuery="false"/>
    </analyzer>
    <analyzer type="query">
        <tokenizer class="org.ansj.solr.AnsjTokenizerFactory"/>
    </analyzer>
</fieldType>

	<!--ansj end -->

　　org.ansj.solr.AnsjTokenizerFactory 是我们编译的ansj-lucene插件。

　　2、配置需要索引的字段。　　　　

   <!-- ansj_test field -->
   <field name="POI_OID" type="string" indexed="false" stored="true"/>
   <field name="POI_NAME" type="text_ansj" indexed="true" stored="false"/>
   <field name="POI_NAME_SUGGEST" type="string" indexed="false" stored="true"/>
   <field name="POI_ADDRESS" type="text_ansj" indexed="true" stored="false"/>
   <field name="POI_ADDRESS_SUGGEST" type="string" indexed="false" stored="true"/>
   <field name="POI_PHONE" type="string" indexed="true" stored="true"/>
   <field name="POI_TYPE" type="string" indexed="true" stored="true" multiValued="true"/>
   <field name="POI_URL" type="string" indexed="false" stored="true"/>
   <field name="POI_DIANPING" type="string" indexed="true" stored="true" />
   <field name="POI_BRAND" type="string" indexed="true" stored="true"/>
   <field name="POI_CITY" type="string" indexed="true" stored="true" multiValued="true"/>
   <field name="POI_TAG" type="text_ansj" indexed="true" stored="true"/>
   <field name="POI_LAT" type="double" indexed="false" stored="true"/>
   <field name="POI_LON" type="double" indexed="false" stored="true"/>
   <field name="POI_DATA_TYPE" type="string" indexed="true" stored="false"/>

三、在solr环境中配置好ansj。

　　在编译好的ansj-seg、nlp-lang、ansj_lucene4_plug 放到solr war包的lib下。

　　

　　

配置ansj相关词库和配置文件，这些配置文件在ansj源码目录下：

　　

　　把这三个配置文件放到solr程序WEB-INF/classes目录下，classes目录不存在则手动创建。

　　　　

四、测试ansj分词效果。

　　ansj配置好了以后，把solr所在的tomcat启动一下。用solr管理页面查看效果：

　　1、测试分词 "南京市长江大桥”

　　

　　　　备注：在文本框中输入“南京市长江大桥” 点击右边蓝色的按钮“Analyse Values”

文章转载，请注明出处：http://www.cnblogs.com/likehua/p/4481219.html