solr（二）---基本使用

3tr21

  累觉不爱啊！昨日本文已将近完工，看到文本编辑器提示自动保存了草稿也就没做保存操作。可惜悲剧还是来了，所有的内容都没有了！今日只得从头来过了。    好吧，废话不多说，继续solr的学习。笔者上篇文章《solr（一）---介绍与安装》介绍了solr的安装。安装好之后是不是不知道怎么操作呢？另外是不是不理解solr、solr主目录以及调用程序之间的关系？本文将进行详细的介绍。
    一、solr关系介绍
    现在大家都知道了，solr是一个搜索工具，实现了lucene。solr安装好了，admin页面也可以访问了。但是solr怎么使用呢？solr主目录是个什么东东？和solr程序有什么关系？我们怎么关联solr和使用solr呢？
    现在笔者根据自己的理解，举如下例子来帮助理解（当然，如果笔者理解有误，欢迎批评指正）：
    现在，我们有一个web项目，名为BS（Book search）。用于公司内部的共享书籍的管理和搜索。公司员工对所有的书籍进行了编号，员工通过查询书籍名称就能书籍当前是否借出、存放位置等信息。
    那为了对书籍进行搜索，我们需要一个搜索系统（SS）。该系统独立于BS，专门用于搜索。SS需要录入书籍的信息、建立索引、支持搜索。该SS就是一个solr系统。
    那solr的主目录呢？因为对于一个solr系统，它可能有多个数据源，每个数据源搜索的内容不同、来源不同、结构不同...所以就有多个core。每个core就是solr的一个心脏，solr可以通过切换core去实现不同的搜索方式、要求。
    可能读者还是不太理解，那后面在讲解到solr的使用的时候，笔者会结合具体的配置来进行说明。
    二、solr基本结构
    上一篇讲到，E:solr-tomcatsolr为笔者的主目录，内容来自于F:solrsolr-4.7.2examplesolr。于是，我们从示例中copy了一个比较完整的core。这个core的名字叫collection1，包含solr.xml和zoo.cfg文件。
    solr.xml是对整个solr的所有core的配置文件；而zoo.cfg配置了一些初始化参数。
   
    collection1目录下有一个conf目录，里面包含了该core的所有配置信息。其中最重要的两个配置文件是：schema.xml和solrconfig.xml。
    solrconfig.xml是该core所配备的功能的配置。用来配置Solr的一些系统属性，例如与索引和查询处理有关的一些常见的配置选项，以及缓存、扩展等等；而schema.xml主要包括types、fields和其他的一些缺省设置。
    关于schema.xml的配置，网上有很多文章介绍。在这里就不赘述了。
    三、solr操作
    首先！！我们需要在schema.xml中配置你即将解析的document的字段信息。例如，如果把XML作为document的话，需要对该XML中所有fieldType和field进行配置。
    再对schema.xml和solrconfig.xml配置完成后（对于example中的collection1这个core，已经对exampledocs实例数据源的字段进行了配置，所以如果没有特殊要求的话，其实不需要配置），打开admin页面。在“Core Selector”的下拉框中，我们可以看到有“collection1”这个core。选择这个core。
   
    1、“Analysis”是分词模块。其显示了所有在schema.xml配置的Field和FieldType。根据选择的Field或FieldType的不同，可以对索引（Index）和查询（Querty）实现不同的分词功能。
    笔者添加了IKAnalyzer这个中文分词器。配置了“text_ik”这个FieldType以及相关联的“contents”这个Field。（后面笔者将介绍该分词器的安装）
   
    2、“dataimport”模块用于导入数据源。其支持全量和增量两种方式。本文将暂时不介绍本部分的时候，后面讲有专门的文章介绍。
    3、“documents”模块用于导入文章作为数据源。所支持的文档类型多样，主要为JSON、XML、文件还有文档自建。笔者以XMl和文件两种方式来展示该模块。
    a）、文件。选择文档类型为“File Upload”，从F:solrsolr-4.7.2exampleexampledocs目录下选择vidcard.xml文件上传。
   
    提交之后，solr就会对该xml文件进行解析、建立索引了。工作完成后，我们就有了搜索的内容。
    b）、XML。把页面上选择文档类型为XML，把vidcard.xml文件的内容复制到文档框内。
   
    提交之后，solr就会分析该xml内容、建立索引了。工作完成后，我们就有了搜索的内容。
    4、“Query”模块用于对已建索引、处理完的数据源来进行查询。
    例如，在上一步上传的vidcard.xml中有name这个field，它的值是“ASUS Extreme N7800GTX/2DHTV (256 MB)”：

1	ASUS Extreme N7800GTX/2DHTV (256 MB)

    因为“documents”模块已对该xml进行了处理和建索引，所以我们可以直接搜索该字段的结果。
   
    从图中可以看出，我们搜索出了"name"字段中包含“Extreme”的记录。
    其实从我们修改url也能实现查询功能：
   
     四、添加中文分词器
    中文分词在solr里面是没有默认开启的，需要我们自己配置一个中文分词器。目前可用的分词器有smartcn，IK，Jeasy，庖丁。
    下面给出两种分词器的安装方法，任选其一即可，推荐第一种，因为smartcn就在solr发行包的contrib/analysis-extras/lucene-libs/下，就是lucene-analyzers-smartcn-4.2.0.jar,首选在solrconfig.xml中加一句引用analysis-extras的配置,这样我们自己加入的分词器才会引到的solr中.
   
    4.1、smartcn 分词器的安装
    首选将发行包的contrib/analysis-extras/lucene-libs/ lucene-analyzers-smartcn-4.2.0.jar复制到solrcontribanalysis-extraslib下,在solr本地应用文件夹下，打开/solr/conf/scheme.xml，编辑text字段类型如下，添加以下代码到scheme.xml中的相应位置，就是找到fieldType定义的那一段，在下面多添加这一段就好啦.
<fieldType name="text_smartcn" class="solr.TextField" positionIncrementGap="0">
      <analyzer type="index">
        <tokenizer class="org.apache.lucene.analysis.cn.smart.SmartChineseSentenceTokenizerFactory"/>
        <filter class="org.apache.lucene.analysis.cn.smart.SmartChineseWordTokenFilterFactory"/>
      </analyzer>
      <analyzer type="query">
         <tokenizer class="org.apache.lucene.analysis.cn.smart.SmartChineseSentenceTokenizerFactory"/>
        <filter class="org.apache.lucene.analysis.cn.smart.SmartChineseWordTokenFilterFactory"/>
      </analyzer>
</fieldType>
1
   
<field name ="text" type ="text_smartcn" indexed ="true" stored ="false" multiValued ="true"/>

    4.2、IK 分词器的安装
    首选要去下载IKAnalyzer的发行包.下载地址: http://ik-analyzer.googlecode.co ... r%202012FF_hf1.zip.

    下载后解压出来文件中的三个复制到F:solrsolr-4.7.2contribanalysis-extraslib目录中.

    IKAnalyzer2012FF_u1.jar       分词器jar包

    IKAnalyzer.cfg.xml                 分词器配置文件

    Stopword.dic                           分词器停词字典,可自定义添加内容

    复制后就可以像smartcn一样的进行配置scheme.xml了.

<fieldType name="text_ik" class="solr.TextField">          <analyzer class="org.wltea.analyzer.lucene.IKAnalyzer"/> </fieldType> <field name ="text" type ="text_ik" indexed ="true" stored ="false" multiValued ="true"/>