前面,笔者已经介绍过solr里面另外2种中文分词的配置,今天就来就简述一下mmseg4j在solr4.3里面的配置,mmseg4j也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/ )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。
其实,配置分词很简单,只要有分词jar包,然后在solr的schemal.xml里面配置一个分词器,就可以了,如果还想在专业一点,可以自定义词典库,禁用词库,相似词库等等,这些的实现都也很简便,在schemal.xml同一级目录里面,放进去需要定义词库的txt文件就可以了,然后在配置里面加上相应的配置就可以了,在这里仅说说基本的入门配置 下面给出在schemal.xml里面的配置- <!-- 配置 mmseg4j分词器 -->
- <fieldType name="text_msg" class="solr.TextField" positionIncrementGap="100">
- <analyzer type="index">
- <!-- 索引时候的分词器-->
- <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory"/>
- </analyzer>
- <analyzer type="query">
- <!-- 查询时候的分词器 -->
- <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory"/>
- </analyzer>
- </fieldType>
然后,在注册一个字段类型
- <!-- mmseg4j的引用字段 -->
- <field name="msg" type="text_msg" indexed="true" stored="true" multiValued="true"/>
最后把分词的jar包,放入solr里面就可以
- F:\tomcat\webapps\solr\WEB-INF\lib
F:\tomcat\webapps\solr\WEB-INF\libmmseg4j的3个jar包
- mmseg4j-analysis-1.9.1.jar
mmseg4j-analysis-1.9.1.jar
- mmseg4j-core-1.9.1.jar
mmseg4j-core-1.9.1.jar
- mmseg4j-solr-1.9.1.jar
mmseg4j-solr-1.9.1.jar下面会附上3个jar,包当然也可以自己去官网上下载 至此就配置完了,启动solr就可以在UI页面分析测试了。