Solr基础(二) 引入中文分词IKAnalyzer

引入中文分词IKAnalyzer


概述

由于Solr内置的分词器对中文分词的切词效果不够理想,因此引入中文分词器。目前流行的中文分词器很多,如mmseg4j、Ansj、paoding、IKAnalyzer等,分词器的选型不属于本文的介绍范围,本文以IKAnalyzer分词器为例。


环境准备

Solr运行环境,Solr的搭建运行参见 Solr基础(一) 五分钟搭建Solr;IKAnalyzer稳定版本包,详见 IK-Analyzer

开始

将获取的IKAnalyzer包拷贝至路径/solr/home/path/core/lib下面。打开schema.xml文件,在<types>节点下配置并定义分词器:

		<fieldType name="text" class="solr.TextField">
		<analyzer class="org.wltea.analyzer.lucene.IKAnalyzer" usesmart="true"/>
		</fieldType>


将词典以及词典配置文件IKAnalyzer.cfg.xml拷贝至/tomcat/home/path/webapps/solr/WEB-INF/classes/下面,如果需要自定义词典,将自定义词典拷贝至该目录下,并编辑IKAnalyzer.cfg.xml文件:

<?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;sg_all.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>

新加入的词典放在<entry key="ext_dict">节点中,并用半角逗号隔开。

注意:用户在自定义词典或者加入新词的时候,每行只能输入一个词,并且保存编码格式为UTF-8的文件

分词效果


打开Solr服务器控制台,进入到任意core,选择Analysis页面,输入“中华人民共和国”,选择定义的中文分词字段text,分词结果如下:







  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值