基于solr的中文分词问题

管理员 711 次浏览

摘要: 。本篇只以 IKAnalyzer 分词为例,讲解如何在 solr 中及集成中文分词,使用 IKAnalyzer的原因 IK 比其他中文分词维护的勤快,和 Solr 集成也相对容易。具体就不多介绍,这里直接solr 集成 IK 的方法。

博客来源于:讯杰设计网:http://blogs.51diysoft.com/blogs

最近,很多朋友问我solr 中文分词配置的问题,都不知道怎么配置,怎么使用,原以为很简单,没想到这么多朋友都有问题,所以今天就总结总结中文分词的配置吧。

 

  有的时候,用户搜索的关键字,可能是一句话,不是很规范。所以在 Solr 中查询出的时候,就需要将用户输入的关键字进行分词。

 

  目前有很多优秀的中文分词组件。本篇只以  IKAnalyzer 分词为例,讲解如何在 solr  中及集成中文分词,使用 IKAnalyzer的原因 IK 比其他中文分词维护的勤快,和 Solr 集成也相对容易。具体就不多介绍,这里直接solr 集成 IK 的方法。

 

  1. 首先,下载IKAnalyzer ,下载

    注意:以前老的IK 不支持Solr 5.3的版本 ,请注意下载最新的。

 

  2. 将ik的相关文件 拷贝到 webapps\solr\WEB-INF\lib 目录下

 

  3. 在 solr_home\mycore1\conf\schema.xml 增加如下配置

         <!-- 我添加的IK分词 -->          <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>

   同时,把需要分词的字段,设置为text_ik,

复制代码

  <field name="id" type="int" indexed="true" stored="true" required="true" multiValued="false" />    <field name="name" type="text_ik" indexed="true" stored="true" required="true" multiValued="false" />    <field name="title" type="text_ik" indexed="true" stored="true" required="true" multiValued="false" />    <field name="category" type="int" indexed="true" stored="true" required="true" multiValued="false" />    <field name="content" type="text_ik" indexed="true" stored="true" required="true" multiValued="false" />    <field name="price" type="double" indexed="true" stored="true" required="true" multiValued="false" />    <field name="color" type="string" indexed="true" stored="true" required="true" multiValued="false" />    <field name="orderBy" type="int" indexed="true" stored="true" required="true" multiValued="false" />    <field name="updatetime" type="date" indexed="true" stored="true" required="true" multiValued="false" />

复制代码

 

  4. 重启服务

    注意:如果之前已经创建了索引,需要将之前的索引删掉,重新创建分词后的索引。

 

  5. 在admin后台, analysis 下查看分词效果

    1. 中文分词效果

    

    2. 索引查询效果

    

 

  6. 配置IKAnalyzer分词器的扩展词典,停止词词典

    1. 将 文件夹下的IKAnalyzer.cfg.xml , ext.dic和stopword.dic 三个文件 复制到/webapps/solr/WEB-INF/classes 目录下,并修改IKAnalyzer.cfg.xml

复制代码

    <?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>

复制代码

    2. 在ext.dic 里增加自己的扩展词典,例如,婴儿奶粉3段

     

 

    注意:  记得将stopword.dic,ext.dic的编码方式为UTF-8 无BOM的编码方式。 

 


作者:章为忠 
出处:http://www.fpeach.com/ 
本文版权归作者所有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接。如有问题,可以邮件:417114764@qq.com  微博:章为忠 QQ:417114764  联系我,非常感谢。