solr3.5.1配置IKAnalyzer中文分词器

来源:互联网 发布:php各类接口开发 编辑:程序博客网 时间:2024/03/29 02:46

一、Solr是一个基于LuceneJava搜索引擎服务器。Solr 提供了层面搜索、命中醒目显示并且支持多种输出格式(包括 XML/XSLT  JSON 格式)。它易于安装和配置,而且附带了一个基于HTTP 的管理界面。Solr已经在众多大型的网站中使用,较为成熟和稳定。Solr 包装并扩展了Lucene,所以Solr的基本上沿用了Lucene的相关术语。更重要的是,Solr 创建的索引与 Lucene搜索引擎库完全兼容。通过对Solr 进行适当的配置,某些情况下可能需要进行编码,Solr 可以阅读和使用构建到其他 Lucene 应用程序中的索引。此外,很多 Lucene 工具(如NutchLuke)也可以使用Solr 创建的索引。 

solr默认是不支持中文分词的,这样就需要我们手工配置中文分词器,在这里我们选用IK Analyzer中文分词器。

IK Analyzer下载地址:https://code.google.com/p/ik-analyzer/downloads/list

如图:

但是用下载的这个分词器jar包有问题,配置到solr3.5.1后出现下面的问题

java.lang.AbstractMethodError    at org.apache.lucene.analysis.Analyzer.tokenStream(Analyzer.java:179)    at org.apache.solr.handler.AnalysisRequestHandlerBase.analyzeValue(AnalysisRequestHandlerBase.java:91)    at org.apache.solr.handler.FieldAnalysisRequestHandler.analyzeValues(FieldAnalysisRequestHandler.java:221)    at org.apache.solr.handler.FieldAnalysisRequestHandler.handleAnalysisRequest(FieldAnalysisRequestHandler.java:182)    at org.apache.solr.handler.FieldAnalysisRequestHandler.doAnalysis(FieldAnalysisRequestHandler.java:102)    at org.apache.solr.handler.AnalysisRequestHandlerBase.handleRequestBody(AnalysisRequestHandlerBase.java:63)    at org.apache.solr.handler.RequestHandlerBase.handleRequest(RequestHandlerBase.java:143)    at org.apache.solr.core.SolrCore.execute(SolrCore.java:2068)    at org.apache.solr.servlet.HttpSolrCall.execute(HttpSolrCall.java:669)    at org.apache.solr.servlet.HttpSolrCall.call(HttpSolrCall.java:462)    at org.apache.solr.servlet.SolrDispatchFilter.doFilter(SolrDispatchFilter.java:214)    at org.apache.solr.servlet.SolrDispatchFilter.doFilter(SolrDispatchFilter.java:179)    at org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:241)    at org.apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:208)    at org.apache.catalina.core.StandardWrapperValve.invoke(StandardWrapperValve.java:220)    at org.apache.catalina.core.StandardContextValve.invoke(StandardContextValve.java:122)    at org.apache.catalina.core.StandardHostValve.invoke(StandardHostValve.java:170)    at org.apache.catalina.valves.ErrorReportValve.invoke(ErrorReportValve.java:103)    at org.apache.catalina.valves.AccessLogValve.invoke(AccessLogValve.java:956)    at org.apache.catalina.core.StandardEngineValve.invoke(StandardEngineValve.java:116)    at org.apache.catalina.connector.CoyoteAdapter.service(CoyoteAdapter.java:423)    at org.apache.coyote.http11.AbstractHttp11Processor.process(AbstractHttp11Processor.java:1079)    at org.apache.coyote.AbstractProtocol$AbstractConnectionHandler.process(AbstractProtocol.java:625)    at org.apache.tomcat.util.net.AprEndpoint$SocketProcessor.doRun(AprEndpoint.java:2522)    at org.apache.tomcat.util.net.AprEndpoint$SocketProcessor.run(AprEndpoint.java:2511)    at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1145)    at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:615)    at org.apache.tomcat.util.threads.TaskThread$WrappingRunnable.run(TaskThread.java:61)    at java.lang.Thread.run(Thread.java:745)

一开始以为是配置问题,怎么配都不行。后来看了下源码,发现solr5.3.1中 Luecene的Analyzer接口的createComponents方法把第二个参数去掉了。因此修改源码是在所难免了。源码的修改可参考:http://iamyida.iteye.com/blog/2193513。也可以直接获取改好的源码重新打包即可。

  主要修改部分、IKAnalyzer.java

/**      * 重载Analyzer接口,构造分词组件      */      @Override      protected TokenStreamComponents createComponents(String text) {          Reader reader = new BufferedReader(new StringReader(text));          Tokenizer _IKTokenizer = new IKTokenizer(reader , this.useSmart());          return new TokenStreamComponents(_IKTokenizer);      } 

  IKTokenizer.java中添加如下构造函数

    public IKTokenizer(AttributeFactory factory, boolean useSmart) {          super(factory);          offsetAtt = addAttribute(OffsetAttribute.class);          termAtt = addAttribute(CharTermAttribute.class);          typeAtt = addAttribute(TypeAttribute.class);          _IKImplement = new IKSegmenter(input , useSmart);      }

  其它都是一些零零碎碎的修改。可查看修改后的源文件。

  新建一个工程(附件中的IK-Analyzer-extra),添加工厂类IKTokenizerFactory,方便程序的扩展和维护。

package org.wltea.analyzer.util;
import java.util.Map;import org.apache.lucene.analysis.Tokenizer;import org.apache.lucene.analysis.util.TokenizerFactory;import org.apache.lucene.util.AttributeFactory;import org.wltea.analyzer.lucene.IKTokenizer;public class IKTokenizerFactory extends TokenizerFactory {    private boolean useSmart;      public IKTokenizerFactory(Map<String, String> args) {          super(args);          useSmart = getBoolean(args, "useSmart", false);      }        @Override      public Tokenizer create(AttributeFactory attributeFactory) {          Tokenizer tokenizer = new IKTokenizer(attributeFactory,useSmart);          return tokenizer;      } }
修改过后的分词器jar包在下面链接里。


二、整合过程

1、将链接里的两个jar包复制到D:\apache-tomcat-8.0.28\webapps\solr\WEB-INF\lib下

2、将stopword.dic和IKAnalyzer.cfg.xml这两个文件复制到D:\apache-tomcat-8.0.28\webapps\solr\WEB-INF\classes下

3、在文件D:\solr_home\solr\mysolr\conf\scheme.xml中加入下面配置

复制代码
    <fieldType name="text_ik" class="solr.TextField">      <!--索引时候的分词器-->      <analyzer type="index">        <tokenizer class="org.wltea.analyzer.util.IKTokenizerFactory" useSmart="true"/>      </analyzer>      <!--查询时候的分词器-->      <analyzer type="query">        <tokenizer class="org.wltea.analyzer.util.IKTokenizerFactory" useSmart="false"/>      </analyzer>    </fieldType>
复制代码

链接地址:http://pan.baidu.com/s/1nuqjLVz



0 0
原创粉丝点击