在tomcat环境下搭建solr3.5和mmseg4j搜索引擎

### 在Tomcat环境下搭建Solr 3.5与MMSEG4J搜索引擎 #### 一、配置Solr环境 1. **下载Solr** - 访问官方下载页面：[http://www.apache.org/dyn/closer.cgi/lucene/solr/](http://www.apache.org/dyn/closer.cgi/lucene/solr/) - 选择版本3.5并将其解压到D盘，例如路径为`D:/solr/apache-solr-3.5.0` 2. **修改Tomcat配置文件(server.xml)** - 打开`Tomcat/conf/server.xml`文件 - 在Connector元素中加入`URIEncoding="UTF-8"`参数，以支持中文检索。例如： ```xml <Connector connectionTimeout="20000" port="8080" protocol="HTTP/1.1" redirectPort="8443" URIEncoding="UTF-8" /> ``` - 这样做可以确保在进行中文检索时不会出现乱码问题。 3. **配置Solr环境** - 在`Tomcat/conf/Catalina/localhost`目录下创建一个名为`solr.xml`的文件，内容如下： ```xml <Context docBase="D:/solr/apache-solr-3.5.0/dist/apache-solr-3.5.0.war" debug="0" crossContext="true"> <Environment name="solr/home" type="java.lang.String" value="D:/solr/apache-solr-3.5.0/example/solr" override="true" /> </Context> ``` - 上述配置指定了Solr应用的基本位置以及其运行时的home目录。 4. **启动Tomcat验证Solr安装** - 启动Tomcat服务器，并访问`http://localhost:8080/solr/` - 如果看到Solr的欢迎界面，则表示安装成功。 #### 二、中文分词配置(MMSEG4J) 1. **下载MMSEG4J分词器** - 从官网下载最新版本：[http://code.google.com/p/mmseg4j/](http://code.google.com/p/mmseg4j/) - 版本号为1.8.5，下载后解压缩。 2. **下载词库** - 下载词库：[http://code.google.com/p/mmseg4j/downloads/detail?name=data.zip](http://code.google.com/p/mmseg4j/downloads/detail?name=data.zip) - 解压缩词库文件。 3. **安装MMSEG4J到Tomcat** - 将解压后的`mmseg4j-all-1.8.5.jar`文件复制到`Tomcat/webapps/solr/WEB-INF/lib`目录下。 4. **配置词库** - 在`D:/solr/apache-solr-3.5.0/example/solr`目录下创建一个名为`dic`的文件夹。 - 将解压后的`data`目录中的`words.dic`文件复制到`D:/solr/apache-solr-3.5.0/example/solr/dic`目录下。 5. **配置Schema文件** - 打开`D:/solr/apache-solr-3.5.0/example/solr/conf/schema.xml`文件。 - 在`<types>`、`<fields>`部分添加以下配置，以便让MMSEG4J分词器生效： ```xml <!-- MMSEG4J field types --> <fieldType name="textComplex" class="solr.TextField" positionIncrementGap="100"> <analyzer> <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" dicPath="D:/solr/apache-solr-3.5.0/example/solr/dic"/> <filter class="solr.LowerCaseFilterFactory"/> </analyzer> </fieldType> <fieldType name="textMaxWord" class="solr.TextField" positionIncrementGap="100"> <analyzer> <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="max-word" dicPath="D:/solr/apache-solr-3.5.0/example/solr/dic"/> <filter class="solr.LowerCaseFilterFactory"/> </analyzer> </fieldType> <fieldType name="textSimple" class="solr.TextField" positionIncrementGap="100"> <analyzer> <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" dicPath="D:/solr/apache-solr-3.5.0/example/solr/dic"/> <filter class="solr.LowerCaseFilterFactory"/> </analyzer> </fieldType> ``` - `dicPath`属性用于指定词典文件的位置，确保路径正确无误。 - 上述三种分词模式(`complex`, `max-word`, `simple`)可以根据实际需求选择使用。 通过以上步骤，我们已经完成了在Tomcat环境下搭建Solr 3.5及MMSEG4J中文分词器的基础配置工作。这些配置使得Solr能够更好地处理中文文档，并提供更准确的中文检索结果。此外，通过MMSEG4J提供的不同分词模式，可以根据具体应用场景选择最适合的分词策略，从而进一步提升搜索效果。