solr添加中文IK分詞器,以及配置自定義詞庫

Solr是一個基於Lucene的Java搜索引擎服務器。Solr 提供了層面搜索、命中醒目顯示而且支持多種輸出格式（包括 XML/XSLT 和 JSON 格式）。它易於安裝和配置，並且附帶了一個基於HTTP 的管理界面。Solr已經在衆多大型的網站中使用，較爲成熟和穩定。Solr 包裝並擴展了Lucene，因此Solr的基本上沿用了Lucene的相關術語。更重要的是，Solr 建立的索引與 Lucene搜索引擎庫徹底兼容。經過對Solr 進行適當的配置，某些狀況下可能須要進行編碼，Solr 能夠閱讀和使用構建到其餘 Lucene 應用程序中的索引。此外，不少 Lucene 工具（如Nutch、Luke）也可使用Solr 建立的索引。

 

solr默認是不支持中文分詞的，這樣就須要咱們手工配置中文分詞器，在這裏咱們選用IK Analyzer中文分詞器。

IK Analyzer下載地址：https://code.google.com/p/ik-analyzer/downloads/list

如圖：

 

 

默認你們已經下載並解壓了solr，在這裏咱們使用solr 4.10.4版本

試驗環境centos 6.5 ，JDK1.7

整合步驟

1：解壓下載的IK Analyzer_2012_FF_hf1.zip壓縮包，把IKAnalyzer2012FF_u1.jar拷貝到solr-4.10.4/example/solr-webapp/webapp/WEB-INF/lib目錄下

2：在solr-4.10.4/example/solr-webapp/webapp/WEB-INF目錄下建立目錄classes，而後把IKAnalyzer.cfg.xml和stopword.dic拷貝到新建立的classes目錄下便可。

3：修改solr core的schema文件，默認是solr-4.10.4/example/solr/collection1/conf/schema.xml,添加以下配置

     <fieldType name="text_ik" class="solr.TextField">

        <!--索引時候的分詞器-->
<analyzer type="index" isMaxWordLength="false" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
<!--查詢時候的分詞器-->
<analyzer type="query" isMaxWordLength="true" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
</fieldType>

4：啓動solr，bin/solr start

5：進入solr web界面http://localhost:8983/solr,看到下圖操做結果即爲配置成功

 

 

到如今爲止，solr就和IK Analyzer中文分詞器整合成功了。

 

可是，若是我想自定義一些詞庫，讓IK分詞器能夠識別，那麼就須要自定義擴展詞庫了。

操做步驟：

1：修改solr-4.10.4/example/solr-webapp/webapp/WEB-INF/classes目錄下的IKAnalyzer.cfg.xml配置文件，添加以下配置

     <entry key="ext_dict">ext.dic;</entry>

2：新建ext.dic文件，在裏面添加以下內容(注意：ext.dic的編碼必須是Encode in UTF-8 without BOM,不然自定義的詞庫不會被識別)

     超人學院

3：重啓solr

4：在solr web界面進行以下操做，看到圖中操做結果即爲配置成功。