全文检索引擎Solr系列——整合中文分词组件IKAnalyzer

IK Analyzer是一款结合了词典和文法分析算法的中文分词组件，基于字符串匹配，支持用户词典扩展定义，支持细粒度和智能切分，比如：

张三说的确实在理

智能分词的结果是：

张三 |  说的 |  确实 |  在理

最细粒度分词结果：

张三 |  三 |  说的 |  的确 |  的 |  确实 |  实在 |  在理

整合IK Analyzer比mmseg4j要简单很多，下载解压缩IKAnalyzer2012FF_u1.jar放到目录：E:\solr-4.8.0\example\solr-webapp\webapp\WEB-INF\lib，修改配置文件schema.xml，添加代码：

1 2 3 4 5 6

<field name="content" type="text_ik" indexed="true" stored="true"/>   <fieldType name="text_ik" class="solr.TextField">       <analyzer type="index" isMaxWordLength="false" class="org.wltea.analyzer.lucene.IKAnalyzer"/>       <analyzer type="query" isMaxWordLength="true" class="org.wltea.analyzer.lucene.IKAnalyzer"/> </fieldType>

查询采用IK自己的最大分词法,索引则采用它的细粒度分词法

此时就算配置完成了，重启服务：java -jar start.jar，来看看IKAnalyzer的分词效果怎么样，打开Solr管理界面，点击左侧的Analysis页面

默认分词器进行最细粒度切分。IKAnalyzer支持通过配置IKAnalyzer.cfg.xml 文件来扩充您的与有词典以及停止词典（过滤词典），只需把IKAnalyzer.cfg.xml文件放入class目录下面，指定自己的词典mydic.dic

1 2 3 4 5 6 7 8 9 10 11

<?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">   <properties>     <comment>IK Analyzer 扩展配置</comment>   <!--用户可以在这里配置自己的扩展字典  -->    <entry key="ext_dict">/mydict.dic; /com/mycompany/dic/mydict2.dic;</entry>        <!--用户可以在这里配置自己的扩展停止词字典-->   <entry key="ext_stopwords">/ext_stopword.dic</entry>    </properties>

事实上前面的FieldType配置其实存在问题，根据目前最新的IK版本IK Analyzer 2012FF_hf1.zip，索引时使用最细粒度分词，查询时最大分词（智能分词）实际上是不生效的。

据作者linliangyi说，在2012FF_hf1这个版本中已经修复，经测试还是没用，详情请看此贴。

解决办法：重新实现IKAnalyzerSolrFactory

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38

package org.wltea.analyzer.lucene;         import java.io.Reader;    import java.util.Map;         import org.apache.lucene.analysis.Tokenizer;    import org.apache.lucene.analysis.util.TokenizerFactory;    //lucene:4.8之前的版本    //import org.apache.lucene.util.AttributeSource.AttributeFactory;    //lucene:4.9    import org.apache.lucene.util.AttributeFactory;         public class IKAnalyzerSolrFactory extends TokenizerFactory{                 private boolean useSmart;                 public boolean useSmart() {            return useSmart;        }                 public void setUseSmart(boolean useSmart) {            this.useSmart = useSmart;        }                  public IKAnalyzerSolrFactory(Map<String,String> args) {             super(args);             assureMatchVersion();             this.setUseSmart(args.get("useSmart").toString().equals("true"));           }                  @Override        public Tokenizer create(AttributeFactory factory, Reader input) {            Tokenizer _IKTokenizer = new IKTokenizer(input , this.useSmart);            return _IKTokenizer;        }         }

重新编译后更新jar文件，更新schema.xml文件：

1 2 3 4 5 6 7 8

<fieldType name="text_ik" class="solr.TextField" >         <analyzer type="index">             <tokenizer class="org.wltea.analyzer.lucene.IKAnalyzerSolrFactory" useSmart="false"/>         </analyzer>         <analyzer type="query">             <tokenizer class="org.wltea.analyzer.lucene.IKAnalyzerSolrFactory" useSmart="true"/>         </analyzer> </fieldType>