solr建立中文分詞

chyx413332087 11年前發布 | 4K 次閱讀車聯網

背景，solr 帶有一個默認的分詞，但是對中文支撐不好，比如：你好自帶的話，是拆成你，和好兩個字，但是實際對中國人，中文的含義應該是你好，因此為了對中文更好的支撐，引用第三方庫支撐現在第三方庫，支撐比較多的，有庖丁，mmseg4j 等，
我目前使用的是 mmseg4j ，配置方法，入下，很簡單
1：首先要下載 mmseg4j 的jar, google一下，很多，將下載下來的jar,解壓，里面dist里面有三個mmseg4j jar 拷貝到 solr服務端的web-info 目錄下的lib目錄下面
2：配置solr-schame.xml
一：配置fieldType  字段類型，表示這個字段類型引用那種分詞
<fieldType name="textComplex" class="solr.TextField" positionIncrementGap="100" >
    <analyzer>
        <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" dicPath="dic"/>
      <filter class="solr.LowerCaseFilterFactory"/>
   </analyzer>
</fieldType>
<fieldType name="textMaxWord" class="solr.TextField" positionIncrementGap="100" >
    <analyzer>
       <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="max-word" dicPath="dic"/>
       <filter class="solr.LowerCaseFilterFactory"/>
    </analyzer>
</fieldType>

<fieldType name="textSimple" class="solr.TextField" positionIncrementGap="100" >
    <analyzer>
        <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" />
        <filter class="solr.LowerCaseFilterFactory"/>
    </analyzer>
</fieldType>
二：有了字段類型，自然，就是配置字段，字段是某個字段類型，
   <field name="picDesc" type="textSimple" indexed="true" stored="true"/>
   <field name="picUrl" type="textComplex" indexed="true" stored="true"/>
三：可以配置copyField 也可以不配置

這樣，就支撐了對picDesc，picUrl兩個字段的中文分詞