solr学习（二）Solr4.7.2中整合中文分词mmseg4j-1.9.1

mseg4j支持最多分词，是一款很优秀的中文分词器，是用Chih-Hao Tsai 的 MMSeg 算法( http://technology.chtsai.org/mmseg/ )（本人也不懂这些，自行谷歌吧。）实现的中文分词器，并实现 lucene 的analyzer 和 solr 的TokenizerFactory 以方便在Lucene和Solr中使用。 

Solr中整合mmseg4j,需要如下几个步骤:

1、下载并解压mmseg4j-1.9.1.zip，把dist下面的所有jar文件拷贝到你应用服务器下的 solr /WEB-INF/lib中。有3个jar文件：mmseg4j-analysis-1.9.1.jar， mmseg4j-core-1.9.1.jar，mmseg4j-solr-1.9.1.jar。

2、如果是在mmseg4j-1.9.0前， 则需要copy data目录到solr_home/solr中（与core平级），并改名为dic。（本人用的是1.9.1，之前的没有 深究，就不瞎逼逼了）；

3.在mmseg4j-1.9.0后，如本例的mmseg4j-1.9.1中 ，就 可以不用 dicPath 参数，可以使用 mmseg4j-core-1.9.0.jar 里的 words.dic ，在Schema.xml中加入如下配置

  <!-- mmseg4j-->
  <fieldType name="text_mmseg4j_complex" class="solr.TextField" positionIncrementGap="100" >  
    <analyzer>  
      <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" dicPath="dic"/>  
    </analyzer>  
  </fieldType>  
  <fieldType name="text_mmseg4j_maxword" class="solr.TextField" positionIncrementGap="100" >  
    <analyzer>  
      <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="max-word" dicPath="dic"/>  
    </analyzer>  
  </fieldType>  
  <fieldType name="text_mmseg4j_simple" class="solr.TextField" positionIncrementGap="100" >  
    <analyzer>  
      <!--
      <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" dicPath="n:/OpenSource/apache-solr-1.3.0/example/solr/my_dic"/> 
      -->
      <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" dicPath="dic"/> 
    </analyzer>  
  </fieldType>
  <!-- mmseg4j-->

4、引用mmseg4j分词器

只需要在该schema.xml中加入如下配置便可引用对应的mmseg4j分词器

<field name="mmseg4j_complex_name" type="text_mmseg4j_complex" indexed="true" stored="true"/>
   <field name="mmseg4j_maxword_name" type="text_mmseg4j_maxword" indexed="true" stored="true"/>
   <field name="mmseg4j_simple_name" type="text_mmseg4j_simple" indexed="true" stored="true"/>
5、通过以上步骤就可以成功配置mmseg4j分词器到solr中了。

我是在这里找到的

如果没问题就应该没问题了、。