php solr配置mmseg4j分词(widows和Linux都可以，注意地址的配置就好)

背景：项目中需要在solr本身默认的分词方式外添加mmseg4j中文分词，

参照: http://blog.csdn.net/marujunyy/article/details/8466320

首先：https://code.google.com/p/mmseg4j/downloads/list下载自己对应的包，并解压

之后开始配置：

1.在solr项目目录(下级目录包含collection1)下新建文件夹lib(放jar包文件)和dic(放词库配置文件)

/var/www/solr/lib/ var/www/solr/dic

2.在上面解压下载包生成的文件夹里，将.jar文件(mmseg4j-1.9.1\dist\下所有.jar文件)和.dic文件(mmseg4j-1.9.1\mmseg4j-core\src\main\resources\data\words.dic)分别拷到上面新建的文件夹中

3.打开solr工程目录下的solrconfig.xml 配置文件

sudo vi /var/www/solr/collection1/conf/solrconfig.xml (按照自己的配置地址)

然后在标签写入mmseg4j-*-.jar的路径

   <lib dir="/var/www/solr/lib" />    (此处写成完整路径)

4.打开solr工程目录下的schema.xml配置文件

   sudo vi /var/www/solr/collection1/conf/schema.xml (按照自己的配置地址)

5.在相应的位置加入以下代码片段

  <field name="simple" type="textSimple" indexed="true" stored="true"/>
  <field name="complex" type="textComplex" indexed="true" stored="true"/>
  <field name="MaxWord" type="textMaxWord" indexed="true" stored="true"/>

   <copyField source="simple" dest="text"/>
   <copyField source="complex" dest="text"/>
   <copyField source="MaxWord" dest="text"/>

   <fieldType name="textComplex" class="solr.TextField">
    <analyzer>
      <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" dicPath="/var/www/solr/dic"/>
    </analyzer>
  </fieldType>
      <fieldType name="textMaxWord" class="solr.TextField">
    <analyzer>
      <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="max-word" dicPath="/var/www/solr/dic"/>
    </analyzer>
  </fieldType>
      <fieldType name="textSimple" class="solr.TextField">
    <analyzer>
      <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" dicPath="/var/www/solr/dic"/>
    </analyzer>
  </fieldType>

最后配置完成就可以重启tomcat访问solr的分词接口测试了

备注：php调用solr分词时可以通过接口调用方式获取信息

http://172.18.107.96:8888/solr/collection1/analysis/field?wt=json&analysis.showmatch=true&analysis.fieldvalue=".$keyword."&analysis.fieldname=MaxWord&_=".time()

具体使用file_get_contents()还是curl的扩展方式，看自己需要