Solr6自定义mmseg4j中文分词库，升级mmseg4j

摘要： mmseg4j支持用户自定义词库，这个配置过程相对简单，但是由于Solr6的API变动，使得mmseg4j无法使用自己的中文分词库，如果想使用这一功能，只能改源码了。

mmseg4j 版本与其对应的Solr版本

mmseg4j 1.8.3 只支持 lucene 2.9/3.0 接口 和 solr 1.4。
mmseg4j 1.8.5 支持 lucene 3.1, solr 3.1。
mmseg4j 1.9.0 支持 lucene 4.0, solr 4.0。
mmseg4j 1.9.1 支持 solr/lucene 4.3.1。
mmseg4j-solr-2.0.0.jar 要求 lucene/solr >= 4.3.0。
mmseg4j-solr-2.1.0.jar 要求 lucene/solr 4.8.x。
mmseg4j-solr-2.2.0.jar 要求 lucene/solr [4.9, 4.10.x]。
mmseg4j-solr-2.3.0.jar 要求 lucene/solr [5.0, ]

mmseg4j 作者chenlb目前仅支持最高Solr5

配置mmseg4j 词库

上一篇[Solr6配置中文分词]，已经简单配置了mmseg4j分词，当时去掉了dicPath参数，该参数指定了自定义词库的路径，默认相对于solr_home，也可以是绝对路径。下面我在solr_home中新建文件夹dictionary,并在schema.xml中配置。

自定义词库文件

mmseg4j的自定义词库文件命名规则是wordsXXX.dic， mmseg4j 可以从多个文件读取词。它的格式是一行一条数据， XXX 部分是如您自己写的名字，如：源码包里的 data/words-my.dic。注意：自定义词库文件名必需是 “words” 为前缀和 “.dic” 为后缀。并且文件是UTF-8编码的无BOM格式。

在dictionary文件夹下，新建文件words-mmseg4j.dic，然后每行一条记录，添加你的自定义词组。
保存文件，在windows平台下，默认使用的是ASCI编码方式，需要转化成UTF-8编码，使用Notepad++可以方便做到，选择以UTF-8无BOM格式编码，保存。

如果没有这个软件，可以用记事本的另存为功能，选择编码方式为UTF-8，那如何做到无BOM格式呢？最简单的方式就是文件的第一行留空，从第二行开始添加你的自定义词组。

升级mmseg4j

启动Solr，发现出现异常，好像是mmseg4j词库的工具栏报错：java.lang.NoSuchMethodError: org.apache.solr.core.SolrResourceLoader.getInstanceDir()Ljava/lang/String;
at com.chenlb.mmseg4j.solr.Utils.getDict(Utils.java:18)
于是，想办法升级mmseg4j，使其支持Solr6