在Solr中配置和使用ansj分词

奇忠诚

　　在上一节【编译Ansj之Solr插件】中介绍如何编译ansj分词在solr(lucene)环境中使用的接口，本章将介绍如何在solr中使用ansj，其步骤主要包括：下载或者编译ansj和nlp-lang等jar包、在schema中配置相关类型、将ansj和nlp-lang等jar包配置到solr中、测试ansj分词效果。
　　一、下载或者编译ansj-seg和nlp-lang等jar包。
　　1、您可以到 http://maven.ansj.org/org/ansj/ansj_seg/  | http://maven.ansj.org/org/nlpcn/ 中下载相关jar包。
　　ansj-seg相关jar包，如下图所示：


　　nlp-lang 是ansj-seg分词中关于自然语言处理相关工具类，功能比较强大：


　　2、下载相关源码，自己编译。
　　这种是相对复杂的，但是如果长久使用，这种是很有必要的。对于这种优秀的分词，我们更有必要好好研究一番。
　　github地址：https://github.com/NLPchina/ansj_seg
　　git客户端地址：http://git-scm.com/download/
　　git下载源码命令：git clone  https://github.com/NLPchina/ansj_seg.git
　　下载后的文件结构如下：

　　可见代码是用maven组中管理的。对于maven的安装配置本文旧粗略带过，主要包括：
　　下载maven相关包，解压：

　　配置环境变量M2_HOME:C:\apache-maven-3.2.1
　　配置PATHb环境变量：%M2_HOME%\bin;
　　mvn常有命令：mvn clean install#清理本地缓存、下载依赖jar包 可以添加-DskipTests=true忽略单元测试；mvn eclipse:clean #清理mvn生成的eclipse工程；mvn eclipse:eclipse #根据pom.xml生成eclipse工程。
　　步骤：
　　在源码根路径下执行：　mvn clean install -DskipTests=true  命令，在target目录下生成jar包。

　　target目录：

　　同义的道理，可以编译nlp-lang jar包，地址：https://github.com/NLPchina/nlp-lang 　　
　　二、在solr schema.xml中配置好ansj字段类型。
　　1、创建ansj类型。
　　找到schema.xml，添加ansj类型text_ansj:　














　　org.ansj.solr.AnsjTokenizerFactory 是我们编译的ansj-lucene插件。
　　2、配置需要索引的字段。　　　　



   















　　三、在solr环境中配置好ansj。
　　在编译好的ansj-seg、nlp-lang、ansj_lucene4_plug 放到solr war包的lib下。


　　配置ansj相关词库和配置文件，这些配置文件在ansj源码目录下：

　　把这三个配置文件放到solr程序WEB-INF/classes目录下，classes目录不存在则手动创建。

　　四、测试ansj分词效果。
　　ansj配置好了以后，把solr所在的tomcat启动一下。用solr管理页面查看效果：
　　1、测试分词 "南京市长江大桥”

　　备注：在文本框中输入“南京市长江大桥” 点击右边蓝色的按钮“Analyse Values”
　　
　　
　　文章转载，请注明出处：http://www.iyunv.com/likehua/p/4481219.html