solr7.7配置中文分词

由于solr原生包对中文分词时会把每个字分成一个词，如下图：
在关键字查询时分词很不适用，所以需要我们手动添加分词jar包。solr有两种中文分词jar包，一种是solr自带的，一种是IKAnalyzer

solr自带分词

将下载的solr目录下的solr-7.7.2contribanalysis-extraslucene-libslucene-analyzers-smartcn-7.7.2.jar文件复制到solrWEB-INFlib下；
修改solrhome文件solrhomemyCoreconfmanaged-schema，这个是你创建的集合的配置文件，路径可能不同，但文件名是相同的，修改如下：

    <!-- solr 自带中文分词 -->
    <fieldType name="text_so" class="solr.TextField" positionIncrementGap="100">
       <analyzer type="index">
         <tokenizer class="org.apache.lucene.analysis.cn.smart.HMMChineseTokenizerFactory"/>
        </analyzer>
        <analyzer type="query">
          <tokenizer class="org.apache.lucene.analysis.cn.smart.HMMChineseTokenizerFactory"/>
        </analyzer>
	</fieldType>

修改后重启solr，选择你修改的集合，输入测试中文，选刚创建分词类型即可
可以看到上面已经成功把每个词都提取出来了。

IKAnalyzer分词

1. 首先下载IKAnalyzer分词包

   整理好的分词包
   github

2. 安装配置

   将下载好的jar包复制到solrWEB-INFlib下
   修改solrhome文件solrhomemyCoreconfmanaged-schema，这个是你创建的集合的配置文件，路径可能不同，但文件名是相同的，修改如下：

    	<!-- ik 自带中文分词 -->
    
	<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>

修改后重启solr，选择你修改的集合，输入测试中文，选刚创建分词类型即可

3. 配置自己的中文分词规则
   将上步中下载的zip包解压，将除了jar包的三个文件复制到solr的classes目录下
   
   你可以通过修改ext.dic或者stopword.dic文件来配置你想要的分词规则，或者你也可以添加自己的分词文件，把你自己的分词文件加入到配置配置文件IKAnalyzer.cfg.xml中即可
   如你可以把一些游戏名添加分词规则，如上古卷轴，流放者柯南
   配置前
   
   配置后
   你若是从github上下载jar包，要用解压软件打开，把上面说的配置文件复制过去即可

最后

以上就是俏皮春天为你收集整理的solr7.7配置中文分词的全部内容，希望文章能够帮你解决solr7.7配置中文分词所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。