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