ik-analyzer-solr

ik-analyzer for solr 7.x-8.x

简介

适配最新版本solr 7&8；

扩展IK原有词库：

分词工具	词库中词的数量	最后更新时间
ik	27.5万	2012年
mmseg	15.7万	2017年
word	64.2万	2014年
jieba	58.4万	2012年
jcesg	16.6万	2018年
sougou词库	115.2万	2019年

将以上词库进行整理后约187.1万条词汇；

添加动态加载词典表功能，在不需要重启solr服务的情况下加载新增的词典。

• IKAnalyzer的原作者为林良益[email protected]，项目网站为http://code.google.com/p/ik-analyzer
• 该项目动态加载功能根据博主@星火燎原智勇的博客进行修改，其GITHUB地址为@liang68

使用说明

• jar包下载地址：

• 历史版本：

  <!-- Maven仓库地址 -->
  <dependency>
      <groupId>com.github.magese</groupId>
      <artifactId>ik-analyzer</artifactId>
      <version>8.1.0</version>
  </dependency>

Solr-Cloud

• Solr-Cloud说明

单机版Solr

1. 将jar包放入Solr服务的Jetty或Tomcat的webapp/WEB-INF/lib/目录下；

2. 将resources目录下的5个配置文件放入solr服务的Jetty或Tomcat的webapp/WEB-INF/classes/目录下；

   ① IKAnalyzer.cfg.xml
   ② ext.dic
   ③ stopword.dic
   ④ ik.conf
   ⑤ dynamicdic.txt

3. 配置Solr的managed-schema，添加ik分词器，示例如下；

   <!-- ik分词器 -->
   <fieldType name="text_ik" class="solr.TextField">
     <analyzer type="index">
         <tokenizer class="org.wltea.analyzer.lucene.IKTokenizerFactory" useSmart="false" conf="ik.conf"/>
         <filter class="solr.LowerCaseFilterFactory"/>
     </analyzer>
     <analyzer type="query">
         <tokenizer class="org.wltea.analyzer.lucene.IKTokenizerFactory" useSmart="true" conf="ik.conf"/>
         <filter class="solr.LowerCaseFilterFactory"/>
     </analyzer>
   </fieldType>

4. 启动Solr服务测试分词；

   

5. ik.conf文件说明：

   files=dynamicdic.txt
   lastupdate=0

   1. files为动态词典列表，可以设置多个词典表，用逗号进行分隔，默认动态词典表为dynamicdic.txt；
   2. lastupdate默认值为0，每次对动态词典表修改后请+1，不然不会将词典表中新的词语添加到内存中。lastupdate采用的是int类型，不支持时间戳，如果使用时间戳的朋友可以把源码中的int改成long即可； 2018-08-23 已将源码中lastUpdate改为long类型，现可以用时间戳了。

6. dynamicdic.txt 为动态词典

   在此文件配置的词语不需重启服务即可加载进内存中。 以#开头的词语视为注释，将不会加载到内存中。

更新说明

• 2019-05-27:
  • 升级lucene版本为8.1.0
  • 优化原词典部分重复词语
  • 更新搜狗2019最新流行词汇词典，约20k词汇量
• 2019-05-15: 升级lucene版本为8.0.0，并支持Solr8使用
• 2019-03-01: 升级lucene版本为7.7.1
• 2019-02-15: 升级lucene版本为7.7.0
• 2018-12-26:
  • 升级lucene版本为7.6.0
  • 兼容solr-cloud，动态词典配置文件及动态词典可交由zookeeper进行管理
  • 动态词典增加注释功能，以#开头的行将视为注释
• 2018-12-04: 整理更新词库列表magese.dic
• 2018-10-10: 升级lucene版本为7.5.0
• 2018-09-03: 优化注释与输出信息，取消部分中文输出避免不同字符集乱码，现会打印被调用inform方法的hashcode
• 2018-08-23:
  • 完善了动态更新词库代码注释；
  • 将ik.conf配置文件中的lastUpdate属性改为long类型，现已支持时间戳形式
• 2018-08-13: 更新maven仓库地址
• 2018-08-01: 移除默认的扩展词与停用词
• 2018-07-23: 升级lucene版本为7.4.0

感谢 Thanks

BUG & 疑问 & 其它

如果您在使用过程中遇到了BUG，或者有不清楚的地方，请挂ISSUE或者联系作者：[email protected]

如果您觉得该项目对您有帮助，请别忘记给这个项目一个star