关于后端:Solr-811入门教程4中文分词

0次阅读

共计 1447 个字符，预计需要花费 4 分钟才能阅读完成。

默认对中文分词的成果并不好，咱们增加 IK 分词。

从新下载：先下载 solr8 版本对应的 ik 分词器，分词器 GitHub 源码地址：https://github.com/magese/ik-…

增加动静加载词典表性能，在不须要重启 solr 服务的状况下加载新增的词典。

敞开默认主词典请在 IKAnalyzer.cfg.xml 配置文件中设置 use_main_dict 为false。

ik-analyzer-8.5.0.jar 下载地址

下载好之后，将 IK 对应的 jar 将下载好的 jar 包放入 solr-8.11.2/server/solr-webapp/webapp/WEB-INF/lib 目录中，而后在 server\solr-webapp\webapp\WEB-INF\ 上面创立一个 classes 的目录，将 jar 包中的 5 个文件（IKAnalyzer.cfg.xml , ext.dic 和 stopword.dic，dynamicdic.txt，ik.conf）复制到这个 classes 目录下。

stopword.dic 和 ext.dic 别离为禁止词词库和扩大词库，留神，词库的的编码方式为 UTF-8 无 BOM 的编码方式，增加新词的时候，须要留神。

dynamicdic.txt 为动静词库须要配合 ik.conf 应用，

ik.conf 中配置动静词库文件名，及上次批改版本号 lastupdate，每次批改动静词库，须要更新 lastupdate 的值。留神批改文件，原文件配置的内容可能并不适用于所有我的项目。

files为动静词典列表，能够设置多个词典表，用逗号进行分隔，默认动静词典表为dynamicdic.txt；
lastupdate默认值为 0，每次对动静词典表批改后请 +1，不然不会将词典表中新的词语增加到内存中。lastupdate 采纳的是 int 类型，lastUpdate为 long 类型，能够用工夫戳。

dynamicdic.txt 为动静词库，在此文件配置的词语不需重启服务即可加载进内存中。以 # 结尾的词语视为正文，将不会加载到内存中。

编辑 core 的 conf 下的 managed-schema 文件，增加

<!-- ik 分词器 -->
<fieldType name="text_ik" class="solr.TextField">
  <analyzer type="index">
      <tokenizer class="org.wltea.analyzer.lucene.IKTokenizerFactory" useSmart="false" conf="ik.conf"/>
      <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
  <analyzer type="query">
      <tokenizer class="org.wltea.analyzer.lucene.IKTokenizerFactory" useSmart="true" conf="ik.conf"/>
      <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

将 description 字段设置为 text_ik 类型，从新导入数据。留神：肯定要从新导入数据。

到 core 的分词菜单中验证一下 description 字段是否按中文分词了，能够看到一件依照中文的分词习惯进行了分词。

而后执行一下搜寻，能够看到搜寻 ” 大家 ” 曾经能搜到了

本文由 mdnice 多平台公布

正文完