solr集成mmseg4j分词

到了分词这部，相信你已经把solr整合到tomcat里了，没有的话看我前面的文章有讲到。

我这里使用的是mmseg4j-1.9.1版本的。

http://down.51cto.com/data/1275975这个是下载zip的链接。

解压后把mmseg4j-1.9.1 文件夹下dist下的三个jar包拷贝到tomcat/webapps/solr/WEB-INF/lib下。

在schema.xml下配置分词器。

    <types>
    <fieldtype name="string"  class="solr.StrField" sortMissingLast="true" omitNorms="true"/>
    <fieldType name="long" class="solr.TrieLongField" precisionStep="0" positionIncrementGap="0"/>
    <fieldType name="int" class="solr.TrieIntField" precisionStep="0" positionIncrementGap="0"/>
    <fieldType name="textComplex" class="solr.TextField" >
      <analyzer>
        <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" />
      </analyzer>
    </fieldType>
    <fieldType name="textMaxWord" class="solr.TextField" >
      <analyzer>
        <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="max-word" />
      </analyzer>
    </fieldType>
    <fieldType name="textSimple" class="solr.TextField" >
      <analyzer>
        <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" />
      </analyzer>
    </fieldType>
    </types>

  <fields>
      <field name="id"   type="int"    indexed="true"  stored="true"  />
      <field name="gender"  type="string"    indexed="true"  stored="true"   />
      <field name="name"      type="textComplex"    indexed="true"  stored="true"   />
      <field name="major"     type="textComplex"    indexed="true"  stored="true"   />
      <field name="grade"     type="textComplex"    indexed="true"  stored="true"   />
      <field name="_version_" type="long"      indexed="true"  stored="true"/>
  </fields>

<copyField source="major" dest="name"/>
<copyField source="grade" dest="name"/>

然后进入solr的页面。

分词的结果页面却是这样的。出现这样的错误：TokenStream contract violation: reset()/close() call missing, reset() called multiple times, or subclass does not call super.reset(). Please see Javadocs of TokenStream class for more information about the correct consuming workflow.然后通过查找网上资料。是源代码出错了。这个mmseg4j-1.9.1是一个maven项目来的。通过mawen导入项目修改下面的代码。

添加注释的代码super.reset();然后clean一下，install一下，target会生成一个mmseg4j-analysis-1.9.2-SNAPSHOT.jar文件，将他复制到tomcat/webapps/solr/WEB-INF/lib下，并改名为mmseg4j-analysis-1.9.2.jar，删除mmseg4j-analysis-1.9.1.jar，或者改名为mmseg4j-analysis-1.9.1.jar覆盖掉原来的jar。

重启tomcat,再测试，结果出来了：

分词成功了。