solr4.7中文分词器（ik-analyzer）配置

àì夳堔傛蜴生んèń 2022-08-01 03:04 197阅读 0赞

solr本身对中文分词的处理不是太好，所以中文应用很多时候都需要额外加一个中文分词器对中文进行分词处理，ik-analyzer就是其中一个不错的中文分词器。

**一、版本信息**

solr版本：4.7.0

需要ik-analyzer版本：IK Analyzer 2012FF\_hf1

ik-analyzer下载地址：[http://code.google.com/p/ik-analyzer/downloads/list][http_code.google.com_p_ik-analyzer_downloads_list]

**二、配置步骤**

下载压缩解压后得到如下目录结构的文件夹：

![SouthEast][]

我们把IKAnalyzer2012FF\_u1.jar拷贝到solr服务的solr\\WEB-INF\\lib下面。

我们把IKAnalyzer.cfg.xml、stopword.dic拷贝到需要使用分词器的core的conf下面，和core的schema.xml文件一个目录。

![SouthEast 1][]

修改core的schema.xml，在<types></types>配置项间加一段如下配置：

**\[html\]**  [view plain][] [copy][view plain] [![在CODE上查看代码片][CODE]][CODE_CODE] [![派生到我的代码片][ico_fork.svg]][ico_fork.svg 1]

1.  **<****fieldType** name="text\_ik" class="solr.TextField"**>**   
2.       **<****analyzer** class="org.wltea.analyzer.lucene.IKAnalyzer"**/>**   
3.  **</****fieldType****>**

我们就多了一种text\_ik的field类型了，该类型使用的分词器就是 [ik-analyzer][] 。

我们在这个core的schema.xml里面配置field类型的时候就可以使用text\_ik了。

**\[html\]**  [view plain][] [copy][view plain] [![在CODE上查看代码片][CODE]][CODE_CODE] [![派生到我的代码片][ico_fork.svg]][ico_fork.svg 1]

1.  **<****field** name="name"      type="text\_ik"   indexed="true"  stored="true"  multiValued="false" **/>**

**三、中文分词测试**

![SouthEast 2][]

**\[html\]**  [view plain][] [copy][view plain] [![在CODE上查看代码片][CODE]][CODE_CODE] [![派生到我的代码片][ico_fork.svg]][ico_fork.svg 1]

1.  IKT  
2.        
3.  text  
4.  raw\_bytes  
5.  start  
6.  end  
7.  type  
8.  position  
9.        
10. 中华人民共和国  
11. \[e4 b8 ad e5 8d 8e e4 ba ba e6 b0 91 e5 85 b1 e5 92 8c e5 9b bd\]  
12. 0  
13. 7  
14. CN\_WORD  
15. 1  
16.       
17. 中华人民  
18. \[e4 b8 ad e5 8d 8e e4 ba ba e6 b0 91\]  
19. 0  
20. 4  
21. CN\_WORD  
22. 2  
23.       
24. 中华  
25. \[e4 b8 ad e5 8d 8e\]  
26. 0  
27. 2  
28. CN\_WORD  
29. 3  
30.       
31. 华人  
32. \[e5 8d 8e e4 ba ba\]  
33. 1  
34. 3  
35. CN\_WORD  
36. 4  
37.       
38. 人民共和国  
39. \[e4 ba ba e6 b0 91 e5 85 b1 e5 92 8c e5 9b bd\]  
40. 2  
41. 7  
42. CN\_WORD  
43. 5  
44.       
45. 人民  
46. \[e4 ba ba e6 b0 91\]  
47. 2  
48. 4  
49. CN\_WORD  
50. 6  
51.       
52. 共和国  
53. \[e5 85 b1 e5 92 8c e5 9b bd\]  
54. 4  
55. 7  
56. CN\_WORD  
57. 7  
58.       
59. 共和  
60. \[e5 85 b1 e5 92 8c\]  
61. 4  
62. 6  
63. CN\_WORD  
64. 8  
65.       
66. 国  
67. \[e5 9b bd\]  
68. 6  
69. 7  
70. CN\_CHAR  
71. 9  
72.

[http_code.google.com_p_ik-analyzer_downloads_list]: http://code.google.com/p/ik-analyzer/downloads/list
[SouthEast]: /images/20220731/89f19317973a4cd9903849425a236d61.png
[SouthEast 1]: /images/20220731/0ef44774ed204fdbb5744516ad8bae7b.png
[view plain]: http://blog.csdn.net/clj198606061111/article/details/21289897#
[CODE]: https://code.csdn.net/assets/CODE_ico.png
[CODE_CODE]: https://code.csdn.net/snippets/237508
[ico_fork.svg]: https://code.csdn.net/assets/ico_fork.svg
[ico_fork.svg 1]: https://code.csdn.net/snippets/237508/fork
[ik-analyzer]: http://code.google.com/p/ik-analyzer/
[SouthEast 2]: /images/20220731/a0393612f71b40c9b88dee3793555d21.png