solr学习之-配置中文分词组件mmseg4j

1、首先安装并能够运行solr服务，如果没有，请参考solr学习之-solr安装。

2、solr会默认一些中文分词器，但对分词支持的不好，比如输入：我们在北京清华大学附近工作，分出来的都是单个的字（如图），所以我们需要一个专业组件进行分词处理。

现在的分词组件主要有mmseg4j、IkAnalyzer，都比较好用，我们这里选用mmseg4j组件，版本mmseg4j-core-1.9.1，这个版本是一个稳定版本，下载地址：中文分词器mmseg4j

3、lib包配置

解压文件，提取其中的三个文件：mmseg4j-analysis-1.9.1.jar， mmseg4j-core-1.9.1.jar，mmseg4j-solr-1.9.1.jar。放到目录：D:\service\apache-tomcat-7.0.68\webapps\solr\WEB-INF\lib中(如图)。注意：D:\service\apache-tomcat-7.0.68并不是固定的，根据自己的环境配置。

4、对配置文件的修改

修改配置文件D:\service\solr\solrHome\collection1\conf 下的schema.xml，注意：D:\service\solr\solrHome\collection1并不是固定的，根据自己实际的配置环境。添加下面的两段代码：

1)fieldType:

 <!-- 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><!-- mmseg4j-->

2)与fieldType对应的field：

<!-- mmseg4j --><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"/><!--mmseg4j -->

5、完成校验

配置完成后重新启动tomcat服务。如果配置成功，则在Analyse Fieldname / FieldType下面多了三个选项mmseg4j_complex_name、mmseg4j_maxword_name、mmseg4j_simple_name。如图，说明配置成功。

再看一下mmseg4j的分词效果。