Question

教你使用solr搭建你的全文检索

Answer 1

　　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 部分 初识 Lucene lo lucene /

　　用Lucene加速Web搜索应用程序的开发 lucene /

　　 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 solr需要运行在一个servlet 容器里 例如tomcat 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兄斗祥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 solr /l

　　 solr /l

　　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tomcat 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 p/env/solr/home的一个JNDI指向solr的主目录（example目录下） 建立/tomcat /conf/Catalina/localhost/solr xml文件

　　

　　<Context docBase= D:/solr war debug= crossContext= true ><Environment name= solr/home type= java lang String value= D:/solr/solr override= true /></Context>

　　观察这销燃个指定的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羡搏有比较详细的说明 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 alpha 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: * Time: : : * 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 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= >

　　< *** yzer type= index >

　　<tokenizer class= ronghao fulltextsearch *** yzer ChineseTokenizerFactory mode= most words />          <filter class= solr StopFilterFactory ignoreCase= true words= stopwords txt />

　　<filter class= solr WordDelimiterFilterFactory generateWordParts= generateNumberParts= catenateWords= catenateNumbers= catenateAll= />

　　<filter class= solr LowerCaseFilterFactory />

　　<filter class= solr RemoveDuplicatesTokenFilterFactory />

　　</ *** yzer>

　　< *** yzer type= query >

　　<tokenizer class= ronghao fulltextsearch *** yzer 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= generateNumberParts= catenateWords= catenateNumbers= catenateAll= />

　　<filter class= solr LowerCaseFilterFactory />

　　<filter class= solr RemoveDuplicatesTokenFilterFactory />

　　</ *** yzer>

　　</fieldtype>

　　完成后重启tomcat 即可在

　　体验到庖丁的中文分词 注意要将paoding *** ysis 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 编码 所以在tomcat里的server xml需要进行配置

　　

　　<Connector port= maxHttpHeaderSize= URIEncoding= UTF …/>

　　另外 向solr Post请求的时候需要转为utf 编码 对solr 返回的查询结果也需要进行一次utf 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 ); for (String str : array) { result = result + URLEncoder encode(str UTF ) + + ; }

lishixinzhi/Article/program/Java/hx/201311/25984