Solr集成IKAnalyzer中文分詞器

前言

官網：
https://code.google.com/archi...

IK Analyzer 2012 FF版本 （即For 4.0），在API和功能上保持不變，只是讓其支持了Lucene4.0和Solr4.0，讓這部分的用戶能用起來。
若是你仍是Lucene3.2-3.6的用戶，那麼你只須要下載IK Analyzer 2012 U6版本。由於FF版本的API與3.x是不兼容的。

【IK Analyzer 安裝包包含】：

1. 《IKAnalyzer 中文分詞器 V2012 使用手冊》（即本文檔）
2. IKAnalyzer2012.jar（主 jar 包）
3. IKAnalyzer.cfg.xml（分詞器擴展配置文件）
4. stopword.dic（中止詞典）
5. LICENSE.TXT ; NOTICE.TXT （apache 版權申明）

它的安裝部署十分簡單 ， 將 IKAnalyzer2012.jar 部署於項目的lib目錄中；IKAnalyzer.cfg.xml 與 stopword.dic 文件放置在 class 根目錄（對於 web 項目，一般是WEB-INF/classes 目錄，同 hibernate、log4j 等配置文件相同）下便可。

1. 下載安裝

最新版本：IK Analyzer 2012

# 必定要下載FF版本，由於使用的是solr4.0以上版本
$ wget https://storage.googleapis.com/google-code-archive-downloads/v2/code.google.com/ik-analyzer/IK%20Analyzer%202012FF_hf1.zip

#解壓到IK2012目錄中，而且不覆蓋相同文件
$ unzip -n IKAnalyzer2012_u6.zip -d IK2012

#拷貝jar包到tomcat下solr的工程目錄中
$ cp IK2012/IKAnalyzer2012FF_u1.jar /opt/tomcat-8.5.31/webapps/solr/WEB-INF/lib/

#建立classes文件夾
$ mkdir /opt/tomcat-8.5.31/webapps/solr/WEB-INF/classes

# 拷貝IKAnalyzer.cfg.xml和stopword.dic到classes文件夾下
$ cp IKAnalyzer.cfg.xml /opt/tomcat-8.5.31/webapps/solr/WEB-INF/classes/
$ cp stopword.dic /opt/tomcat-8.5.31/webapps/solr/WEB-INF/classes/

2. 修改配置

修改solr core中schema文件，默認位置：

$ vim /opt/solr-4.10.3/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>

同時，把須要分詞的字段，設置爲text_ik

<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" />

3. 重啓服務

注意：若是以前已經建立了索引，須要將以前的索引刪掉，從新建立分詞後的索引。

$ /opt/tomcat-8.5.31/bin/shutdown.sh
$ /opt/tomcat-8.5.31/bin/startup.sh

4. 配置擴展詞典

1.默認是用的IKAnalyzer分詞器內置的詞典進行分詞的。咱們也能夠本身配置IKAnalyzer分詞器的擴展詞典

# 修改IKAnalyzer.cfg.xml文件
$ vim /opt/tomcat-8.5.31/webapps/solr/WEB-INF/classes/IKAnalyzer.cfg.xml

配置以下

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">  
<properties>  
　　<comment>IK Analyzer 擴展配置</comment>
　　<!--用戶能夠在這裏配置本身的擴展字典，表示使用哪些詞來作索引 -->
　　<entry key="ext_dict">ext.dic;</entry> 
　　<!--用戶能夠在這裏配置本身的擴展中止詞字典,表示不用哪些詞作索引-->
　　<entry key="ext_stopwords">stopword.dic;</entry> 
</properties>

2.在classes下建立 ext.dic 來配置字典(每一行表示一個總體索引)

$ vim /opt/tomcat-8.5.31/webapps/solr/WEB-INF/classes/ext.dic

配置以下：

別看我亂我就是索引
哈哈哈
我是第三行

stopword.dic 和 ext.dic 的編碼方式爲UTF-8 無BOM的編碼方式。

3.重啓tomcat後測試