solr6使用ansj做中文分词

solr中有自带的中文分词,不过它将中文按一个一个字进行分词，这就导致搜索出的结果让人不满

这里以text_general字段为例，managed-schema中的配置是这样写的：

<fieldType name="text_general" class="solr.TextField" positionIncrementGap="100" multiValued="true">
    <analyzer type="index">
      <tokenizer class="solr.StandardTokenizerFactory"/>
      <filter class="solr.StopFilterFactory" words="stopwords.txt" ignoreCase="true"/>
      <filter class="solr.LowerCaseFilterFactory"/>
    </analyzer>
    <analyzer type="query">
      <tokenizer class="solr.StandardTokenizerFactory"/>
      <filter class="solr.SynonymFilterFactory" expand="true" ignoreCase="true" synonyms="synonyms.txt"/>
      <filter class="solr.StopFilterFactory" words="stopwords.txt" ignoreCase="true"/>
      <filter class="solr.LowerCaseFilterFactory"/>
    </analyzer>
  </fieldType>

生成索引和查询使用的都是solr.StandardTokenizerFactory

官方文档有详细介绍：https://cwiki.apache.org/confluence/display/solr/Tokenizers

您配置的文本字段中键入标记生成器中schema.xml有一个<tokenizer>元素，作为一个孩子<analyzer>：

< fieldType  name = "text"  class = "solr.TextField" >    < analyzer  type = "index" >      < tokenizer  class = "solr.StandardTokenizerFactory" />      < filter  class = "solr.StandardFilterFactory" />    </ analyzer > </ fieldType >

class属性命名一个工厂类，在需要时将实例化一个tokenizer对象。令牌工厂类实现org.apache.solr.analysis.TokenizerFactory。TokenizerFactory的create()方法接受Reader并返回一个TokenStream。当Solr创建标记器时，它传递一个提供文本字段内容的Reader对象。

所以这种默认的分词方式对中文来说并不友好，那么如何在solr中使用自己喜欢的分词方式？tokenizer指定的class工厂类就是切入口

常用的中文分词方式：ik ansj jieba

本人对ansj情有独钟，于是去写TokenizerFactory和Tokenizer，网上的教程大多是对solr4进行中文分词，solr4和solr6中的TokenizerFactory

已经发生了变化，factory创建tokenizer时已经不再需要在构造器中添加input参数，而是自动set进去

经过一番尝试还是没有成功，知道在github上搜到  https://github.com/blueshen/solr-ansj

1.对这个maven project进行小改之后就可以使用了

2.将这个project打包成jar,还有项目中使用到的ansj_seg-5.1.2.jar，放入solr WEB-INF lib下面

3.在managed-schema中添加自定义字段text_ansj

tokenkizer中的class属性指定我们所定义的工厂类

在solradmin界面中看到：solr中的分词结果为_text_保存，这里把text_ansj设置成text_ansj

<field name="_text_" type="text_ansj" multiValued="true" indexed="true" stored="false"/>

4.solrconfig.xml中设置新增字段的默认类型为text_ansj

<processor class="solr.AddSchemaFieldsUpdateProcessorFactory">
      <str name="defaultFieldType">text_ansj</str>

设置查询分析字段为text_ansj

<searchComponent name="spellcheck" class="solr.SpellCheckComponent">


    <str name="queryAnalyzerFieldType">text_ansj</str>

5.重启solr，向solr中添加新字段和值，在solradmin中搜索，结果如下：

注意已导入的数据的字段类型设置改为text_ansj