用solr从数据库建立汉语Lucene索引

用solr从数据库建立中文Lucene索引
用solr从数据库建立中文Lucene索引
参照: Solr tutorial
Index a DB table directly into Solr
Data Import Handler
使用solr搭建你的全文检索

Solr是一个基于Lucene java库的企业级搜索服务器，运行在Servlet容器中。
1.  下载solr: http://www.apache.org/dyn/closer.cgi/lucene/solr/
    当前最新版是1.4
    解压到一个目录中，假设是solrpath
2.  添加Handler
    编辑solrpath/example/solr/conf文件夹下的solrconfig.xml文件，在config元素中添加
   

    <requestHandler name="/dataimport" clob="true"中的列名DETAIL一定要大写，要不会不起作用
<dataConfig>  <dataSource type="JdbcDataSource"               driver="com.mysql.jdbc.Driver"              url="jdbc:mysql://localhost/dbname"               user="user-name"               password="password"/>  <document>    <entity name="myentyty" transformer="ClobTransformer"        query="select id, title, detail from mytable">        <field column="DETAIL" clob="true"/>    </entity>  </document></dataConfig>


4.  修改schema.xml，找到<fieldType name="text"，将分词器修改为中文分词器，这里用的是包装过的Paoding分词，这个东西好像已经不更新了，以后看看IKAnalyzer吧。
    <fieldType name="text" positionIncrementGap="100">         <analyzer type="index">             <tokenizer mode="most-words"/>             <filter ignoreCase="true" words="stopwords.txt"/>             <filter generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0"/>             <filter mode="most-words"/>                             <filter synonyms="synonyms.txt" ignoreCase="true" expand="true"/>             <filter ignoreCase="true" words="stopwords.txt"/>             <filter generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0"/>             <filter name="code">   <field name="detail" type="text" indexed="true" stored="true" />   <!-- 添加到默认的查询字段，可根据需要修改 -->   <copyField source="title" dest="text"/>   <copyField source="detail" dest="text"/>


5.  包装Paoding的分词器
package net.paoding.analysis.analyzer;import java.io.Reader;import java.util.Map;import net.paoding.analysis.analyzer.impl.MaxWordLengthTokenCollector;import net.paoding.analysis.analyzer.impl.MostWordsTokenCollector;import net.paoding.analysis.knife.PaodingMaker;import org.apache.lucene.analysis.Tokenizer;import org.apache.solr.analysis.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);}}@Overridepublic void init(Map<String, String> args) {super.init(args);setMode(args.get("mode"));}public Tokenizer create(Reader input) {return new PaodingTokenizer2(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");}}

因为新版本的接口可能是变了，还需要对PaodingTokenizer类修改一下，原来是继承TokenStream类，改为继承Tokenizer

public final class PaodingTokenizer2 extends Tokenizer implements Collector {


这两个修改的类就放在solr.war中，在压缩包的WEB-INF文件夹中新建classes文件夹，将这两个类连同包层次复制进去就行

6.  将Paoding和数据库驱动放到lib中，进入solrpath/example目录中运行命令
    java -jar start.jar
    进入浏览器，运行
    http://localhost:8983/solr/dataimport?command=full-import
    导入成功后，运行
    http://localhost:8983/solr/admin/
    在搜索框中输入搜索内容进行查询

还有个Paoding的词典文件的问题，一开始是建了个PAODING_DIC_HOME的环境变量，后来删掉也能用了，暂不知道是什么原因，不知它存哪去了