三、Solr与中文分词器Mmseg4j整合

1、下载（链接：https://pan.baidu.com/s/1LizUFxzOy5hUtTY7hkPjKQ ）并解压mmseg4j-1.9.1.zip，把所有jar文件拷贝到你应用服务器下的solr/WEB-INF/lib中。（如果你的应用服务器下面没有solr，请参考《Tomcat与Solr整合》）。

  有3个jar文件：mmseg4j-analysis-1.9.1.jar， mmseg4j-core-1.9.1.jar，mmseg4j-solr-2.2.0.jar。（备注：mmseg4j-solr至少2.2.0，否则会报错；我这里的mmseg4j-analysis-1.9.1.jar也是修改后重新编译的，原来的会报错，具体错误，参见下方）

  顺便提下，如果是在mmseg4j-1.9.0及以前，则需要copy data目录到solr_home/solr中（与core平级），并改名为dic。进入到你想使用mmseg4j分词器的core中（此处以solr自带的collection1为例），用编辑器打开collection1/conf/schema.xml配置文件,添加如下代码：

<!-- mmseg4j分词器 -->  
 <fieldType name="text_mmseg4j" class="solr.TextField" >  
 <analyzer type="index">  
 <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" dicPath="../dic" /><!--此处为分词器词典所处位置-->  
 </analyzer>  
 <analyzer type="query">  
 <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" dicPath="../dic" /><!--此处为分词器词典所处位置-->  
 </analyzer>  
 </fieldType>  

2、在mmseg4j-1.9.0后，如本例的mmseg4j-1.9.1中，就 可以不用 dicPath 参数，可以直接使用 mmseg4j-core-1.9.0.jar 里的 words.dic ，无需特别指示路径，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>  

3、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"/>  

  通过以上步骤就可以成功配置mmseg4j分词器到solr中了。

  可能遇到的问题：

  然后就可以打开Solr Admin的Page进行分词分析了。但当输入中文（华南理工大学）并点击“Analyse Values”进行分析时，会发现如下的错误： TokenStream contract violation: reset()/close() call missing, reset() called multiple times, or subclass does not call super.reset(). Please see Javadocs of TokenStream class for more information about the correct consuming workflow.

  该原因是源码的一个bug引起的，需要修改上面下载的mmseg4j-analysis-1.9.1.zip解压后的mmseg4j-analysis目录下的类：MMSegTokenizer.java，修改reset()方法并加上下面注释中的这一句“ super.reset(); ”

public void reset() throws IOException {  
        //lucene 4.0  
        //org.apache.lucene.analysis.Tokenizer.setReader(Reader)  
        //setReader 自动被调用, input 自动被设置。  
        super.reset();   //加这一句 
        mmSeg.reset(input);  
    }  

  修改后运行mvn clean package -DskipTests进行打包得到最新的mmseg4j-analysis-1.9.1.jar 并替换Tomcat下的solr下的WEB-INF/lib下的mmseg4j-analysis-1.9.1.jar。（备注：我分享的链接中的jar包已经是重新编译后的jar包，可以直接使用）

  重新启动Tomcat并访问Solr Admin Page，并在“Analysis”中输入中文进行分析，可以看到已经成功的进行分析。