Solr 3.5 + Tomcat7 + mmseg4j + 搜狗詞庫 -配置并運行

機器上已安裝 : Tomcat 7    jdk1.7    mysql 5.0

1. 訪問 http://www.apache.org/dyn/closer.cgi/lucene/solr , 在這個網址里選擇一個路徑 , 下載 solr 3.5 的版本
2. solr3.5 在本機解壓縮以后 , 把 apache-solr-3.5.0\example\webapps  目錄下的  solr.war  文件拷貝到  Tomcat 7 的webapps 目錄下
3. 啟動Tomcat7,自動解壓solr.war包。然后在 Tomcat 7\webapps\solr  目錄里 新建一個 文件夾  conf
4. 把 solr3.5 本機解壓縮文件夾  apache-solr-3.5.0\example  下的 multicore 文件夾 拷貝到  Tomcat 7\webapps\solr\conf  目錄下
5. 在 Tomcat 7\conf\Catalina\localhost  目錄下新建一個  solr.xml 文件 , 里面的內容如下
</ol>

<?xml version="1.0" encoding="UTF-8"?>
<Context docBase="${catalina.home}/webapps/solr.war" debug="0" crossContext="true" >

<!-- 這里配置的是 Solr 運行的 Home 目錄 -->
<Environment name="solr/home" type="java.lang.String" value="${catalina.home}/webapps/solr/conf/multicore" override="true" /> 
</Context></pre>


訪問你的 solr 項目   localhost:1187/solr  會顯示出兩個  core  ,  solr 正常運行 

配置分詞 , 使用的是  mmseg4j 和 搜狗詞庫 

下載地址 : http://code.google.com/p/mmseg4j/   ,  http://code.google.com/p/mmseg4j/downloads/detail?name=data.zip&can=2&q 

把本地下載的 mmseg4j  解壓縮 , 把里面的mmseg4j-all-1.8.5.jar 文件 拷貝到 Tomcat 7\webapps\solr\WEB-INF\lib 目錄下 

在  Tomcat 7\webapps\solr  目錄下新建一個  dic  文件夾 , 把 新下載的  詞庫 拷貝到 dic 目錄下 

在 \Tomcat 7\webapps\solr\conf\multicore\core0\conf\schema.xml  文件的  types 節點里 添加如下節點 : 
</ol>

<fieldtype name="textComplex" class="solr.TextField" positionIncrementGap="100">
        <analyzer>
            <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" dicPath="D:/Tomcat 7/webapps/solr/dic">
            </tokenizer>
        </analyzer>
    </fieldtype>
    <fieldtype name="textMaxWord" class="solr.TextField" positionIncrementGap="100">
        <analyzer>
            <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="maxword" dicPath="D:/Tomcat 7/webapps/solr/dic">
            </tokenizer>
        </analyzer>
    </fieldtype>
    <fieldtype name="textSimple" class="solr.TextField" positionIncrementGap="100">
        <analyzer>
            <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" dicPath="D:/Tomcat 7/webapps/solr/dic">
            </tokenizer>
        </analyzer>
    </fieldtype>


在 \Tomcat 7\webapps\solr\conf\multicore\core0\conf\schema.xml  文件的  fields 節點里 添加如下節點 : 
 <field name="simple" type="textSimple" indexed="true" stored="true" multiValued="true" />
<field name="complex" type="textComplex" indexed="true" stored="true" multiValued="true" />
<field name="text" type="textMaxWord" indexed="true" stored="true" multiValued="true" />
 

 因為 solr3.5 里有兩個 core , 所以針對 core1 重復 10, 11 兩步 

對分詞進行測試 , 訪問  http://localhost:1187/solr/core0/admin/analysis.jsp?highlight=on 

Field[Name]   輸入   :  complex 

Field Value(index)   輸入  :   中國銀行第一分行  ,   Field Value(index)  下面的 verbose outpu 點選 

點擊     Analyze  按鈕 ,  查看分詞結果    :  中國銀行 |  第一 |  分行 
</ol>
</li>

此時 Solr3.5 已經可以進行 分詞 , 接下來配置 solr 3.5 連接  mysql 數據庫 , 生成索引 , 進行分詞 

下載 java 的 mysql 驅動 , 本機解壓 mysql-connector-java-5.1.18-bin.jar,  然后拷貝到 Tomcat 7\webapps\solr\WEB-INF\lib  目錄下 

在 \Tomcat 7\webapps\solr  目錄下 新建  db  文件夾 

在 \Tomcat 7\webapps\solr\db 文件夾下面新建一個  db-data-config.xml 文件 , 內容如下 : 
</ol>
</li>
</ol>

<dataConfig>
    <dataSource type="JdbcDataSource" driver="com.mysql.jdbc.Driver" url="jdbc:mysql://localhost:3306/test" user="root" password="123"/>
    <document name="messages">
        <entity name="message" transformer="ClobTransformer" query="select * from test">
            <field column="ID" name="id" />
            <field column="Val" name="text" />
        </entity>
    </document>
</dataConfig>
<!--
 url="jdbc:mysql://localhost:3306/test" user="root" password="123"  這里配置了 mysql 的連接路徑 , 用戶名 , 密碼
 <field column="ID" name="id" /><field column="Val" name="text" />  這里配置的是 數據庫里要索引的字段 , 注意name 是 11 步配置的
-->


在 Tomcat 7\webapps\solr\conf\multicore\core0\conf 目錄下的 solrconfig.xml 文件里 , 添加如下代碼 : 
<requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler">
    <lst name="defaults">
      <str name="config">D:/Tomcat 7/webapps/solr/db/db-data-config.xml</str> 
    </lst>
  </requestHandler>
<!--
“D:/Tomcat 7/webapps/solr/db/db-data-config.xml” 是 14.3 配置文件的絕對路徑
-->



在Tomcat 7\webapps\solr\conf\multicore\core1\conf\solrconfig.xml   路徑里重復 14.4 

把本地下載解壓的 solr3.5 文件里 , dist 目錄下的  apache-solr-dataimporthandler-3.5.0.jar 和 apache-solr-dataimporthandler-extras-3.5.0.jar  Tomcat 7\webapps\solr\WEB-INF\lib  目錄下 

solr3.5 連接 mysql 已經配置完成 , 測試讀取 mysql 生成 索引 , 訪問 :   http://localhost:1187/solr/core0/dataimport?command=full-import  

測試分詞查詢 , 訪問  http://localhost:1187/solr/core0/admin/  查詢數據庫里索引列里有的詞 
</ol>


注意： 這僅僅是配置 solr3.5 連接 mysql 生成索引 , 可以執行正常 詞語  的查詢 , 但是不能執行  對搜索短語的分詞 查詢 

multicore  目錄下面多個 core 文件夾 , 每一個都是一個接口 , 有獨立的配置文件 , 處理某一類數據 。 

multicore/core0/conf/  目錄下的  schema.xml  文件 相當于數據表配置文件 , 它定義了加入索引的數據的數據類型 。文件里有一個 <uniqueKey>id</uniqueKey> 的配置 , 這里將 id 字段作為索引文檔的唯一標示符 , 非常重要 。 

  

FieldType 類型 , name 是這個 FieldType 的名稱 , class 指向了 org.apache.solr.analysis 包里面對應的 class 名稱 , 用來定義這個類型的定義 。在 FieldType 定義的時候最重要的就是定義這個類型的數據在建立索引和進行查詢的時候要使用的分析器analyzer,包括分詞和過濾 。 

Fields 字段 :  結點內定義具體的字段(類似數據庫中的字段) , 就是 field , 包含 name , type(為之前定義過的各種FieldType) , indexed(是否被索引) , stored(是否被存儲) , multiValued(是否有多個值) 

copeField（賦值字段）: 建立一個拷貝字段 , 將所有的全文字段復制到一個字段中 , 以便進行統一的檢索 。 
來自：http://www.cnblogs.com/hamy/articles/2355413.html