使用 solr搭建你的全文检索（转）

Solr 是一个可供企业使用的、基于 Lucene 的开箱即用的搜索服务器。对Lucene不熟？那么建议先看看下面两篇文档：

实战 Lucene ，第 1 部分: 初识 Lucene：http://www.ibm.com/developerworks/cn/java/j-lo-lucene1/

用 Lucene 加速Web搜索应用程序的开发：http://www.ibm.com/developerworks/cn/web/wa-lucene2/

一、 solr 介绍

solr 是基于Lucene Java搜索库的企业级全文搜索引擎，目前是apache的一个项目。它的官方网址在http://lucene.apache.org/solr/ 。solr需要运行在一个 servlet 容器里，例如 tomcat5.5 。 solr 在 lucene 的上层提供了一个基于 HTTP/XML 的 Web Services ，我们的应用需要通过这个服务与 solr 进行交互。

二、 solr 安装和配置

关于solr的安装和配置，这里也有两篇非常好的文档，作者同时也是 Lucene Java 项目的提交人和发言人：

使用 Apache Solr 实现更加灵巧的搜索： http://www.ibm.com/developerworks/cn/java/j-solr1/index.html

http://www.ibm.com/developerworks/cn/java/j-solr2/index.html

下面主要说说需要注意的地方。

Solr 的安装非常简单，下载 solr 的 zip 包后解压缩将 dist 目录下的 war 文件改名为 solr.war 直接复制到 tomcat5.5 的 webapps 目录即可。注意一定要设置 solr 的主位置。有三种方法。我采用的是在tomcat里配置java:comp/env/solr /home的一个JNDI指向solr的主目录（example目录下），建立/tomcat55/conf/Catalina/localhost /solr.xml文件。

< Context docBase ="D:/solr.war" debug ="0" crossContext ="true" >

< Environment name ="solr/home" type ="java.lang.String" value ="D:/solr/solr" override ="true" />

</ Context >

观察这个指定的solr主位置，里面存在两个文件夹：conf和 data。其中conf里存放了对solr而言最为重要的两个配置文件schema.xml和solrconfig.xml。data则用于存放索引文件。

schema.xml 主要包括 types 、 fields 和其他的一些缺省设置。

solrconfig.xml 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。

上面的文档对这两个文件有比较详细的说明，非常容易上手。注意到 schema.xml 里有一个

< uniqueKey > url </ uniqueKey >

的配置，这里将 url 字段作为索引文档的唯一标识符，非常重要。

三、 加入中文分词

对全文检索而言，中文分词非常的重要，这里采用了qieqie庖丁分词（非常不错：））。集成非常的容易，我下载的是2.0.4-alpha2版本，其中它支持最多切分和按最大切分。创建自己的一个中文TokenizerFactory继承自solr的 BaseTokenizerFactory。

/**

* Created by IntelliJ IDEA.

* User: ronghao

* Date: 2007-11-3

* Time: 14:40:59

* 中文切词对庖丁切词的封装

*/

public class ChineseTokenizerFactory extends BaseTokenizerFactory {

 /**

 * 最多切分 默认模式

 */

 public static final String MOST_WORDS_MODE = " most-words " ;

 /**

 * 按最大切分

 */

 public static final String MAX_WORD_LENGTH_MODE = " max-word-length " ;

 private String mode = null ;

 public void setMode(String mode) {

 if (mode == null || MOST_WORDS_MODE.equalsIgnoreCase(mode)

 || " default " .equalsIgnoreCase(mode)) {

 this .mode = MOST_WORDS_MODE;

 } else if (MAX_WORD_LENGTH_MODE.equalsIgnoreCase(mode)) {

 this .mode = MAX_WORD_LENGTH_MODE;

 }

 else {

 throw new IllegalArgumentException( " 不合法的分析器Mode参数设置: " + mode);

 }

 }

 @Override

 public void init(Map < String, String > args) {

 super .init(args);

 setMode(args.get( " mode " ));

 }

 public TokenStream create(Reader input) {

 return new PaodingTokenizer(input, PaodingMaker.make(),

 createTokenCollector());

 }

 private TokenCollector createTokenCollector() {

 if ( MOST_WORDS_MODE.equals(mode))

 return new MostWordsTokenCollector();

 if ( MAX_WORD_LENGTH_MODE.equals(mode))

 return new MaxWordLengthTokenCollector();

 throw new Error( " never happened " );

 }

}

在schema.xml的字段text配置里加入该分词器。

< fieldtype name ="text" class ="solr.TextField" positionIncrementGap ="100" >

 < analyzer type ="index" >

 < tokenizer class ="com.ronghao.fulltextsearch.analyzer.ChineseTokenizerFactory" mode ="most-words" />

 < filter class ="solr.StopFilterFactory" ignoreCase ="true" words ="stopwords.txt" />

 < filter class ="solr.WordDelimiterFilterFactory" generateWordParts ="1" generateNumberParts ="1" catenateWords ="1" catenateNumbers ="1" catenateAll ="0" />

 < filter class ="solr.LowerCaseFilterFactory" />

 < filter class ="solr.RemoveDuplicatesTokenFilterFactory" />

 </ analyzer >

 < analyzer type ="query" >

 < tokenizer class ="com.ronghao.fulltextsearch.analyzer.ChineseTokenizerFactory" mode ="most-words" />

 < filter class ="solr.SynonymFilterFactory" synonyms ="synonyms.txt" ignoreCase ="true" expand ="true" />

 < filter class ="solr.StopFilterFactory" ignoreCase ="true" words ="stopwords.txt" />

 < filter class ="solr.WordDelimiterFilterFactory" generateWordParts ="1" generateNumberParts ="1" catenateWords ="0" catenateNumbers ="0" catenateAll ="0" />

 < filter class ="solr.LowerCaseFilterFactory" />

 < filter class ="solr.RemoveDuplicatesTokenFilterFactory" />

 </ analyzer >

 </ fieldtype >

</ types >

完成后重启tomcat，即可在http://localhost:8080/solr/admin/analysis.jsp

体验到庖丁的中文分词。注意要将paoding-analysis.jar复制到solr的lib下，注意修改 jar包里字典的home。

四、 与自己应用进行集成

Solr 安装完毕，现在可以将自己的应用与solr集成。其实过程非常的简单，应用增加数据--> 根据配置的字段构建add的xml文档 --> post 至solr/update。

应用删除数据 à 根据配置的索引文档唯一标识符构建delete的xml文档 --> post 至solr/update。

检索数据 à 构建查询 xml—>get至/solr/select/--> 对solr返回的xml进行处理 --> 页面展现。

具体的xml格式可以在solr网站找到。另外就是solr支持高亮显示，非常方便。

关于中文，solr 内核支持 UTF-8 编码，所以在 tomcat 里的 server.xml 需要进行配置

< Connector port ="8080" maxHttpHeaderSize ="8192" URIEncoding ="UTF-8" … />

另外，向solr Post请求的时候需要转为utf-8编码。对solr 返回的查询结果也需要进行一次utf-8的转码。检索数据时对查询的关键字也需要转码，然后用“+”连接。

String[] array = StringUtils.split(query, null , 0 );

 for (String str : array) {

 result = result + URLEncoder.encode(str, " UTF-8 " ) + " + " ;

 }

http://www.blogjava.net/ronghao 荣浩原创，转载请注明出处：）

使用 solr搭建你的全文检索（转）

猜你喜欢